Hugging Face 发布开放智能体排行榜，评估 LLM 工具调用能力

Hugging Face 联合 IBM Research 推出 Open Agent Leaderboard（开放智能体排行榜），旨在系统评估大语言模型在真实工具调用场景中的智能体能力。该排行榜覆盖多个主流模型，测试维度包括工具选择、参数填充、多步推理与错误恢复等核心能力。

评测基于可复现的公开数据集与标准化流程，所有提交结果均可追溯。目前榜单已收录包括 Llama、Qwen、DeepSeek 等系列模型的表现，为开发者选择适合 Agent 任务的基座模型提供参考。