各方报道 1 篇
arXiv cs.AI·10-14 12:00★ 3
FDE-Bench：评估欠明确真实商业需求的端到端交付
原文 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。
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。