呼吁更多公开端到端智能体基准测试

有声音呼吁业界提供更多公开的端到端智能体（agentic）基准测试。当前公开评测多聚焦单点能力，缺少覆盖完整任务链路的端到端测试，难以衡量智能体在真实场景中的整体表现。