★ 3
SkillScriptBench：智能体技能包自进化评测
论文提出 SkillScriptBench，一个 350 任务的基准，用于分别评估可执行智能体技能包在文档修复、脚本修复与保持正确行为三方面的自进化能力。基于 3.5 万个 GitHub 技能库筛选 100 个包构建任务，发现同时编辑文档与脚本的方法并不能稳定优于仅改 Markdown。作者提出 …
arXiv cs.AI27 天前
#AST
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
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 SkillScriptBench，一个 350 任务的基准，用于分别评估可执行智能体技能包在文档修复、脚本修复与保持正确行为三方面的自进化能力。基于 3.5 万个 GitHub 技能库筛选 100 个包构建任务，发现同时编辑文档与脚本的方法并不能稳定优于仅改 Markdown。作者提出 …