AgentTime: Can Agents Estimate and Control Their Own Runtime?

我们提出AgentTime，一个用于测试代理是否能为指定持续时间工作、预测其运行时间并估算之后经过时间的基准测试。它包含222个任务，来自18个来源，涵盖编码、计算机使用、代理工作和自动化研究。持续时间跟随实验附加一个指令，说明工作时长，请求范围从约一分钟到数天。