★ 3
DuMateBench：真实复杂工作流中的智能体评估
DuMateBench基于真实用户会话重建200个任务，涵盖8大场景和17个能力类别，并注入环境复杂性。实验显示现有智能体框架在严格任务完成上存在显著差距，性能受LLM和框架共同影响。
arXiv cs.AI66 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
DuMateBench基于真实用户会话重建200个任务，涵盖8大场景和17个能力类别，并注入环境复杂性。实验显示现有智能体框架在严格任务完成上存在显著差距，性能受LLM和框架共同影响。