OpenEnv 实践：在真实环境中评测工具调用智能体

Hugging Face、Meta 与 Turing 介绍了用于真实系统智能体评测的开源框架 OpenEnv，以及生产级日历环境 Calendar Gym。Calendar Gym 通过权限控制、部分可观测性和多步工作流测试智能体，明确日历标识时成功率接近 90%，改用自然语言描述后降至约 40%；超过一半的错误来自工具参数格式错误或调用顺序不当。