FDE-Bench：评估欠明确真实商业需求的端到端交付
原文标题：FDE-Bench: Evaluating End-to-End Delivery from Underspecified Real-World Business Requests
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
百度 BCE 团队发布 FDE-Bench，首个基于真实客户项目构建的基准，用于评估智能体在需求澄清与迭代优化上的端到端交付能力，涵盖 49 个组合优化与机器学习案例。在 18 种智能体配置中，最高平均交付分仅 0.5510（FDE 参考为 1.0），最高交付成功率仅 6.12%，表明可靠的前置工程师级交付仍难以实现。
- 问题
- 现有基准从明确目标出发，无法评估智能体面对欠明确真实商业需求的端到端交付。
- 方法
- 基于真实客户项目构建 FDE-Bench，智能体需向模拟客户澄清缺失需求并迭代优化交付物。
- 结果
- 49 个案例、18 种智能体配置，最高平均交付分 0.5510（FDE 参考 1.0），最高交付成功率仅 6.12%。
- 影响
- 前置工程师级交付仍远未自动化，做企业智能体产品的团队应优先补需求澄清与迭代能力。
机构：Baidu
深读 · 结论先行AI 生成展开看要点与影响 ↓
FDE-Bench 显示智能体端到端交付最高分仅 0.5510，成功率仅 6.12%。
- •首个基于真实客户项目构建的基准，评估需求澄清与迭代优化的端到端交付
- •49 个案例覆盖组合优化与机器学习，澄清目标从前线人员与 FDE 的讨论中提炼
- •智能体需从模拟客户处问出缺失需求，由案例专属评估器按验收标准打分
- •18 种智能体配置中最高平均交付分 0.5510，FDE 参考为 1.0
- •最高交付成功率仅 6.12%，即达到参考质量的比例极低
为什么重要：真实商业需求的关键信息常未被说出，该基准把「会问」纳入考核，说明当前智能体离可靠的前置工程师级交付仍有明显差距。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。