Δτ-Bench：评测智能体对不断演化的工具生态的适应能力

研究团队提出 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、6 个连续生态状态下的 1,588 个多轮任务。评测显示最强模型或 harness 的任务成功率仅 42.3%，现有技能学习方法的初期收益无法随生态演化稳定转化为更好的适应能力。