Andon Labs以商店、售货机和电台等真实运营场景测试智能体失误模式。
推荐理由：把智能体置于真实经营闭环，可暴露传统基准难覆盖的长期决策、执行偏差与异常行为；这些公开实验同时沉淀为面向前沿实验室的商业评测能力。
阅读原文