42 lines
1.3 KiB
Markdown
42 lines
1.3 KiB
Markdown
---
|
||
title: "Agent Multidimensional Capability（Agent 多维能力）"
|
||
created: 2026-05-23
|
||
updated: 2026-05-23
|
||
type: concept
|
||
tags: [agent, capability, multi-dimensional, evaluation]
|
||
sources: [raw/articles/claw-eval-2026.md]
|
||
confidence: high
|
||
---
|
||
|
||
# Agent Multidimensional Capability
|
||
|
||
> Agent 能力是多维的——不同模型在不同的任务类型上各有优势，没有任何一个模型能在所有维度上全面领先。
|
||
|
||
## Claw-Eval 三大维度
|
||
|
||
- **通用服务**：多工具协调、任务拆解
|
||
- **多模态**：视觉理解、跨模态生成
|
||
- **多轮对话**：信息采集、渐进决策
|
||
|
||
## 关键发现
|
||
|
||
1. 模型在不同任务类型上的排名**不一致**
|
||
2. 多模态任务是目前最难的：**最高 Pass^3 仅 25.7%**
|
||
3. 一个模型可能在服务编排上领先但在多模态上落后
|
||
|
||
## 对评估设计的含义
|
||
|
||
- 不能仅看"总分"或"平均分"
|
||
- 需要按**任务类型**分解评估
|
||
- 针对不同部署场景选择适配的模型（服务编排场景 vs 多模态场景需要不同排名）
|
||
|
||
## 与 Agent Harness Engineering 的联系
|
||
|
||
多模态 Agent 的低可靠性可能与 [[harness-coupling-problem]] 有关——视觉工具 Schema 设计、多模态上下文管理等问题尚未解决。
|
||
|
||
## 相关概念
|
||
|
||
- [[agent-evaluation-paradigm-shift]]
|
||
- [[agent-capability-stability-gap]]
|
||
- [[claw-eval]]
|