AgentGym2는 LLM 에이전트의 현실적인 평가를 위해 설계된 새로운 벤치마크 프레임워크입니다. 기존 벤치마크의 한계를 극복하기 위해 실제 환경의 불확실성과 노이즈를 반영하고, 도구 탐색 및 조합 능력을 평가합니다. Gemini와 GPT-5를 포함한 최신 모델조차 AgentGym2에서 어려움을 겪으며, 실제 적용 가능성과 격차가 크다는 것을 보여줍니다.