跳到正文
Hugging Face Daily Papers·· 25 天前精选AI 评分78

Δτ-Bench:推动智能体向动态能力边界演进

Δτ-Bench: Pushing Agents Toward a Moving Capability

AI 导读

本文介绍了 Δτ-Bench 基准,用于评估大型工具生态系统结构演化下智能体的适应能力。该基准包含 1,588 个多轮任务,覆盖 42 个领域及六个连续生态状态。评测显示最强模型成功率仅为 42.3%,且现有技能学习方法无法随生态演变持续优化。研究据此提出了 Steward 系统,通过增量维护与动态配置实现更高成功率与更低开销。

推荐理由

该基准评测了智能体在工具生态演变下的适应力,揭示了现有技能学习方法难以持续迁移的瓶颈。

来源:Hugging Face Daily Papers · arxiv.org