kw-bench 基准发布并评测四种 Agent 框架
热点事件持续更新
kw-bench 基准发布并评测四种 Agent 框架
1 篇报道1 个报道来源1 小时前更新
先了解这件事
AI 综述
George Juraj Salapa 发布 kw-bench 知识工作基准，首个任务族要求从三代 SAP 原始系统导出的数据中重建五年增值税，评分完全确定性、不使用 LLM 裁判。 作者用同一模型 DeepSeek v4.1 Flash 运行 Claude Code、Codex、OpenCode 和 micro-cc 四种 harness，各跑两小时。基准任务取自专家向其描述的真实业务场景。
AI 根据报道生成 · 1 小时前更新
最新进展10月28日 12:00
kw-bench：用真实增值税重建任务评测编码智能体框架报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv cs.SEkw-bench：用真实增值税重建任务评测编码智能体框架
论文提出 kw-bench 基准，首个任务族是从三代 SAP 原始系统导出数据中重建五年增值税，评分完全确定性、不用 LLM 裁判。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。