AgentBench 是一个多维演进基准测试，包括8个不同环境，即操作系统（OS）、数据库（DB）、知识图谱（KG）、卡牌对战（DCG）、情景猜谜（LTP）、家居（Alfworld）、网络购物（WebShop）、 和网页浏览（Mind2Web）。用于评估大型语言模型（LLMs）在多回合开放式生成环境中的推理和决策能力。