Workload
structured-agent-v1
Черновик
На какой вопрос отвечает
Надёжен ли JSON/function calling под реалистичным агентным трафиком?
Что измеряется
Вызовы класса BFCL, включая relevance rejection, параллельные и исполняемые вызовы, детекцию циклов; детерминированная песочница; парсинг ≠ успех задачи.
Какие заявления этот workload поддержать не может
Заявления об «агентной готовности» по одному проценту парсинга.
Дисциплина идентичности
Каждая released-ревизия workload замораживает хэши элементов, ревизию токенизатора, модель нагрузки, политику кэша и quality-гейты. Результаты ссылаются на точную ревизию; изменение любого поля идентичности создаёт новую ревизию.