跳到正文
实时
热点事件历史事件

Δτ-Bench 发布

1 篇报道1 个报道来源23 天前更新

先了解这件事

AI 综述

Hugging Face 发布了 Δτ-Bench,一个用于评测智能体适应动态工具生态能力的基准。该基准包含 1,588 个跨 42 个领域的多轮任务和 6 个生态系统状态,发现当前最强模型的任务成功率仅为 42.3%。Steward 通过增量技能维护和动态资源调配,在生态变化中实现了更高的任务成功率。

AI 根据报道生成 · 更新于 22 天前

报道时间线

沿着报道,了解事件的不同侧面。

10月27日
  1. Hugging Face Daily Papers
    Δτ-Bench 发布:推动智能体适应动态工具生态的能力评测

    Δτ-Bench 评测智能体适应动态工具生态的能力,发现当前最强模型仅达 42.3% 任务成功率。Δτ-Bench 包含 1,588 个跨 42 个领域的多轮任务和 6 个生态系统状态。Steward 通过增量技能维护和动态资源调配,在生态变化中实现更高的任务成功率。