Δτ-Bench评测工具演化适应能力
热点事件持续更新
Δτ-Bench评测工具演化适应能力
1 篇报道1 个报道来源1 小时前更新
先了解这件事
AI 综述
浙江大学与UCL团队提出可执行智能体基准Δτ-Bench，用于评测智能体适应持续演化工具生态的能力；在包含1,588个多轮任务、覆盖42个领域和6个连续演化状态的测试中，当前最强模型或测试框架的任务成功率为42.3%。 团队同时提出生态管理器Steward，通过增量维护技能并动态供给工具，管理智能体所需的工具与程序性知识。
AI 根据报道生成 · 1 小时前更新
最新进展10月27日 12:17
Δτ-Bench：工具生态持续演化下最强模型任务成功率为42.3%报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- AGI HuntΔτ-Bench：工具生态持续演化下最强模型任务成功率为42.3%
浙江大学与 UCL 团队提出可执行智能体基准 Δτ-Bench，用于评测工具生态持续演化下的任务适应能力。基准包含 1,588 个多轮任务，覆盖 42 个领域与 6 个连续演化状态，最强模型或 harness 的任务成功率为 42.3%。团队同时提出 Steward，通过增量技能维护和动态工具供给管理工具与程序性知识。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。