arXiv 新增行为评测研究，尝试构建下一代 Agent 行为基准与复现实验框架

arXiv 最新 cs.AI 更新中，多篇论文开始关注 AI Agent 的行为评估与可复现 benchmark，研究者同步开放 Hugging Face 与 GitHub 数据集，推动 Agent 能力量化。