SkillForgeBench 智能体可靠性评测基准发布
热点事件持续更新
SkillForgeBench 智能体可靠性评测基准发布
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
研究团队发布 SkillForgeBench，一个以 agent skills 作为统一执行蓝图的智能体可靠性评测基准，覆盖五大专业领域、共 842 个沙箱任务，并对八个主流智能体进行了可靠性评测。 据作者 Zhengxi Li 等人称，该基准旨在解决现有评测中的矛盾，通过三个协同设计阶段将 agent skills 用作统一执行蓝图。
AI 根据报道生成 · 1 小时前更新
最新进展10月15日 12:00
SkillForgeBench：基于 Agent 技能规范的智能体可靠性评测基准报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv cs.AISkillForgeBench：基于 Agent 技能规范的智能体可靠性评测基准
研究团队提出 SkillForgeBench，用 agent skills 作为统一执行蓝图，构建覆盖五大专业领域的 842 个沙箱任务，评测八个主流智能体的可靠性。
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。