FDE-Gym：面向真实客户交付的Agent基准发布

研究者 Dongxu Yang 等人发布 FDE-Gym，一个面向 AI 客户交付能力的基准，包含来自 18 个行业、20 个客户场景的 95 个端到端交付任务，任务由行业专家从真实交付项目改编。 在模拟客户环境中，智能体需与脚本化干系人交互，并在类生产系统上操作以交付可用方案。评分依据交付对客户自身成功指标的改善程度，以 0（系统未改变）到 1（参考方案）归一化，并对与干系人的交互（消息、试运行和等待时间）施加惩罚。 作者评测了来自七家提供商的 13 个模型配置，并设有在线平台让人类按同一评分标准练习 FDE 技能。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。