SkillHorizon长时程Agent基准发布
热点事件持续更新
SkillHorizon长时程Agent基准发布
1 篇报道1 个报道来源7 小时前更新
先了解这件事
AI 综述
研究者发布 SkillHorizon 基准，通过在七种商业环境中组合技能来构建长时程 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。
AI 根据报道生成 · 1 小时前更新
最新进展10月15日 12:00
SkillHorizon：通过技能组合构建长时程 Agent 任务报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv cs.AISkillHorizon：通过技能组合构建长时程 Agent 任务
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。
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。