arXiv cs.SE· Shuofei Qiao, Xuanguang Pan, Yijun Chen, Wendi Feng, Bin Wu, Runnan Fang, Yuqi Zhu, Shumin Deng, Emine Yilmaz·· 2 小时前AI 评分47
Δτ-Bench：面向工具生态持续演化的智能体基准
$\Delta\tau$-Bench: Pushing Agents Toward a Moving Capability
AI 导读
论文提出 Δτ-Bench，一个模拟大型工具生态结构演化的可执行智能体基准，包含 42 个领域、1,588 个多轮任务和六个连续生态状态。评测显示最强模型或 harness 仅达 42.3% 任务成功率，现有技能学习方法的初始收益无法随生态演化稳定转化为适应能力。作者据此提出生态管理器 Steward，通过增量技能维护和任务执行中的动态供给来管理工具与过程性知识。
来源：arXiv cs.SE · arxiv.org