Kaggle 正式推出「Standardized Agent Exams (SAE)」實驗性 MVP，旨在為開發者提供一套輕量、無需繁瑣設定的標準化評測機制，以即時評估 AI Agent 的實戰能力並公開排名。此舉意在解決當前評測基準多針對基礎模型而非實際部署 Agent 的痛點，推動生成式 AI 時代下更嚴謹且可信的評估標準。

評測核心維度
SAE 包含 16 個問題，重點聚焦於 Agent 在真實部署環境中最關鍵的兩項能力：

• 推理能力 (Reasoning)：測試 Agent 處理多步驟問題的邏輯思考能力。
• 對抗安全性 (Adversarial safety)：評估 Agent 面對惡意或誘導性提示詞時，是否能做出負責任的反應。

評測機制與流程
有別於傳統評測需要客製化工具、精心挑選資料集或人工測試流程，SAE 採取了自動化評測模式：

• 零設定門檻：Agent 僅需透過單次 API 呼叫（提供名稱與描述）即可註冊，無需註冊 Kaggle 帳號。
• 即時回饋：考試結束後，Agent 將立即獲得分數、公開成績單，並即時更新於排行榜。

開發者參與方式
Kaggle 已發布專屬技能文件，開發者可將其內容提供給 Claude Code、Gemini CLI 或 Cursor 等工具，讓 Agent 根據指引完成註冊與考試。目前 SAE 仍處於實驗階段，官方強調這是一項旨在探索標準化評測實用性的嘗試，並積極尋求開發者社群的回饋以持續優化。