研究者发布SkillScriptBench评测基准
热点事件持续更新
研究者发布SkillScriptBench评测基准
1 篇报道1 个报道来源8 小时前更新
先了解这件事
AI 综述
研究者 Yuxuan Liu 等人发布 SkillScriptBench，一个含 350 个任务的基准，用于分别评测 LLM 智能体在文档修复、脚本修复与保持正确行为上的技能自进化能力。 该基准从超过 35,000 个 GitHub Skill 仓库中选取 100 个包，构建 150 个修复任务；另设 200 个受控任务，在 clean、文档故障、脚本故障及双重故障四种状态下评测。发布方同时提出 AST-Guided Skill Revision 方法。
AI 根据报道生成 · 2 小时前更新
最新进展10月15日 12:00
SkillScriptBench：评测可执行 Agent 技能包的自进化能力报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv cs.AISkillScriptBench：评测可执行 Agent 技能包的自进化能力
研究者推出 SkillScriptBench，一个 350 任务的基准，用于分别评测 LLM 智能体在文档修复、脚本修复与保持正确行为上的技能自进化能力。该基准从超 35,000 个 GitHub Skill 仓库中选取 100 个包构建 150 个修复任务，另设 200 个受控任务在 clean、文档故障、脚本故障及双重故障四种状态下评测。
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。