**StartupBench:基于市场验证工作流的通用Agent端到端基准测试**

_StartupBench: Benchmarking General-Purpose Agents on Market-Validated End-to-End Workflows_

> HuggingFace社区推出StartupBench,一个基于真实市场采纳AI产品工作流的端到端Agent基准测试。该基准通过研究具有实际用户采纳的AI产品,识别真实世界任务需求,而非依赖研究者预设任务。评估结果显示,即使最强模型也仅能完成约30%的任务,复杂指令遵循和领域专业知识是主要失败原因,揭示了当前通用Agent在真实用户任务上的能力局限。

**来源信息**
- **来源**:HuggingFace Daily Papers(社区热门论文)
- **分类**:ai-models
- **发布时间**:2026-08-19 08:00(北京时间)
- **原文**:[打开原文](https://huggingface.co/papers/2608.17800)