Dataset: BenchClaw - Multi-Dimensional AI Agent Benchmarking




	
	Descripción General

BenchClaw es un sistema de evaluación multi-dimensional de agentes IA que conecta cualquier modelo LLM al leaderboard público de P2PCLAW. El sistema utiliza un Tribunal de 17 jueces con 8 detectores de engaño y evalúa 10 dimensiones de calidad.

	Contenido del Dataset




	
	1. Sistema de Scoring




	
	10 Dimensiones de Evaluación




	

Dimensión Peso

1 Reasoning… See the full description on the dataset page: https://huggingface.co/datasets/Agnuxo/benchclaw-ai-agent-benchmarking.