★ 3
ERPBench：评估企业决策代理跨市场生态
研究推出ERPBench基准，在六轮ERP模拟中评估企业决策代理，包含Solo和Arena两种竞争市场生态。结果显示领先模型因生态而异：DeepSeek在Solo领先，Gemini在Arena领先，且任务级赢家仅21%一致，表明排名可能不跨生态转移。
arXiv cs.AI56 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
研究推出ERPBench基准，在六轮ERP模拟中评估企业决策代理，包含Solo和Arena两种竞争市场生态。结果显示领先模型因生态而异：DeepSeek在Solo领先，Gemini在Arena领先，且任务级赢家仅21%一致，表明排名可能不跨生态转移。