★ 3
FDE-Bench：评估欠明确真实商业需求的端到端交付
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…
arXiv cs.AI19 天前
共 2 篇相关资讯，按重要度与时间排序，每 3 小时更新。
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…
菜鸟分享其用 Agent 托管端到端交付的实践，指出 AI Coding 贡献率已超90%，但需求交付效率仅提升约10%，揭示编码自动化与整体交付链路之间的落差。