★ 3
HSC-Bench：评测智能体交接中的任务接管能力
论文提出 Handoff State Continuity Benchmark（HSC-Bench），含 1039 个任务，评估接收模型恢复仓库证据与延续既有对话、工具和文件工作状态的能力。六个接收模型对比显示，结构化交接状态能普遍提升证据恢复，且两条赛道的优胜模型并不一致，说明单看证据恢复排名不…
arXiv NLP5 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文提出 Handoff State Continuity Benchmark（HSC-Bench），含 1039 个任务，评估接收模型恢复仓库证据与延续既有对话、工具和文件工作状态的能力。六个接收模型对比显示，结构化交接状态能普遍提升证据恢复，且两条赛道的优胜模型并不一致，说明单看证据恢复排名不…