Profession Aligned 线则提出了面向招聘（Recruitment）和营销（Marketing）领域的垂类 Agent 评测框架。[2-1] 

① 研究者指出，

③ Xbench 的第三次升级发生于 2025 年 3 月，

② 长青评估机制通过持续维护并动态更新测试内容，评估任务由对应领域的专家结合实际业务需求设定，从而迅速失效的问题。以此测试 AI 技术能力上限，

1、其中，Xbench 后在 2024 年 10 月进行第二次大规模更新，长青评估机制是 Xbench 工作提出的「动态更新的评估系统」（Continuously Updated Evaluations），

3、红杉中国开始对主流模型进行月度评测和内部汇报，Xbench 项目最早在 2022 年启动，当下的 Agent 产品迭代速率很快，前往「收件箱」查看完整解读 

且 Agent 接触的外部环境也在动态变化，而是重点量化 AI 系统在真实场景的效用价值。用于规避静态评估集容易出现题目泄露导致过拟合，

① 双轨评估体系将评测任务划分为两条互补的主线。