arXiv cs.AI· Yuxuan Liu, Zhaochen Su, Hangyu Guo, Shijue Huang, Zhixiong Zhang, Kawai Chung, Zhongwei Xie, Tianshi Zheng, Wei Fan, Qing Zong, Haochen Shi, Baixuan Xu, Haoran Li, Yangqiu Song·· 8 小时前AI 评分32
SkillHorizon：通过技能组合构建长时程 Agent 任务
SkillHorizon: Constructing Long-Horizon Agent Tasks through Skill Composition
AI 导读
研究者推出 SkillHorizon 基准，通过技能组合在七种商业环境中构建长时程 Agent 任务，任务参考交互负载从 64K 到 1M tokens。在 1,050 个任务上评测五个语言模型，平均局部目标完成率从 90.4% 降至 46.8%，负载越大，Agent 越常在工作未完成时提交失败答案。代码已开源。
来源：arXiv cs.AI · arxiv.org