BENCHMARK CONTRÔLÉ WINDWAY
blind_retry
Politique locale · WFRB v0
Expérimental · Pas une norme · Non évalué par les pairs
- Agent
- blind_retry
- Interface publique testée
- Non applicable : environnement local contrôlé par Windway.
- Date d’évaluation
- 2026-10-04
- Version du benchmark
- wfrb-0.1.0
- Taille de l’échantillon
- 300 cellules par politique, sur 50 grilles et 150 scénarios. Deux seeds ; une répétition.
- Catégories de scénarios
- blocked_path, nonadjacent_action, premature_completion
WFRB v0 / EXPÉRIENCE LOCALE DE CONTRÔLE
Expérimental · Pas une norme · Non évalué par les pairs
Ces graphiques décrivent des essais de contrôle locaux. Ils ne mesurent pas des agents publics, LLMs ou systèmes clients.
Chargement des agrégats vérifiés…
Récupération par catégorie
Réussite / échec / non concluant
Distribution des classes d’échec injectées
Évaluations dans le temps
Vérification du replay déterministe
Comparaison des cibles
La comparaison de cibles clients n’est pas disponible. Ces contrôles locaux ne permettent pas un classement de modèles.
Consulter les preuves du benchmark local ↗Carte des scénarios
Touchez ou ouvrez une cellule pour voir son dénominateur exact. Chaque grille/catégorie contient deux essais avec seeds par politique locale et par invocation.
PASS signifie une récupération au coût exact. FAIL signifie que ce critère n’est pas atteint. Le replay vérifié ne prouve pas la reproduction d’un échec d’agent client.
Lire la méthodologie ↗ · Consulter les agrégats ↗Comportements observés
Récupération au coût exact validée dans l’invocation locale conservée :
0/300Échecs reproductibles
Les résultats locaux se répètent octet par octet. Aucune reproduction d’échec d’agent public n’est publiée.
Replay de conversation
En attente de runs publics vérifiés
Aucune conversation publique disponible. Les actions locales de navigation ne sont pas présentées comme un dialogue utilisateur/agent.
Les résultats décrivent le comportement observé de l’interface publique testée à la date et à la version indiquées. Ils ne représentent pas l’ensemble du système de production du fournisseur.
Cette mention s’appliquera aux runs d’agents publics. Cette page concerne une expérience locale contrôlée.
Lire la méthodologie ↗