★ 3
InfoOrgBench 基准：智能体整理信息层级错误率高
论文发布 InfoOrgBench，含 150 项任务，要求智能体把会议纪要、issue 讨论与设计提案等零散记录整理成层级结构。评测 45 套系统后最佳得分 83.2，但会议纪要与 issue 场景均未超过 78，且父级关系错误率普遍高于叶子级，设计提案中近半数输出犯此类错误。
arXiv cs.AI5 小时前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文发布 InfoOrgBench，含 150 项任务，要求智能体把会议纪要、issue 讨论与设计提案等零散记录整理成层级结构。评测 45 套系统后最佳得分 83.2，但会议纪要与 issue 场景均未超过 78，且父级关系错误率普遍高于叶子级，设计提案中近半数输出犯此类错误。