跳到正文
Hugging Face Daily Papers·· 2026-10-15精选AI 评分83

FDE-Gym:AI 交付的最后一步——揭示真实客户交付中的能力缺口

FDE-Gym: The Last Mile of AI Delivery

AI 导读

论文介绍 FDE-Gym 基准,包含来自 18 个行业、20 种场景的 95 项端到端交付任务,模拟具有脚本化利益相关者和可修改系统的生产环境。评估显示,在需发现未声明约束的真实设置中,最佳配置平均得分为 0.56,仅解决 14 项任务;即使获取所有关键事实,能实现高业务提升的任务也仅有 10 项。

推荐理由

该基准通过模拟真实交付场景,揭示了模型在发现未声明约束时的性能瓶颈及从事实到有效解决方案的差距。

来源:Hugging Face Daily Papers · arxiv.org