在智能体性能评估领域，如何有效地测试其在真实场景中的表现一直是一个亟待解决的问题。尽管市场上已经有多个评估基准试图解决这一问题，但 Meta 的研究人员认为，当前的方法仍然不足以真实地反映智能体的适应…