AgentCompass：统一的智能体能力评测基础设施

论文提出开源、轻量且可扩展的 AgentCompass，用 Benchmark、Harness、Environment 三个独立组件解耦智能体评测流程，并通过容错异步运行时和轨迹分析工具提升可复现性与故障诊断能力。系统原生支持五类能力维度、20多个基准，重点识别包括奖励劫持在内的复杂失败模式。