PulseAugur
中
实时 20:10:40
English(EN) SLATE: A Large-Scale Benchmark for Long-Horizon API Selection in E-commerce Tool Use

新的SLATE基准揭示了企业LLM API选择中的挑战

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出了SLATE，这是一个新的基准，旨在评估大型语言模型代理在电商环境中为复杂、长周期的任务选择和组合API的能力。与现有基准不同，SLATE使用了大约1000个API的库和一个模拟器，该模拟器可自动且可重现地衡量端到端任务的成功率。对参数量从3B到12B不等的模型的实验显示，即使是最先进的模型，成功率也仅为5.0%，这凸显了可靠的企业工具使用方面存在的重大挑战。 AI

影响 突显了当前LLM代理在复杂企业自动化和工具使用方面的显著局限性。

排序理由 该集群描述了一个用于评估LLM能力的新的学术基准。[lever_c_demoted from research: ic=1 ai=1.0]

在 Hugging Face Daily Papers 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的SLATE基准揭示了企业LLM API选择中的挑战

本文如何被排名

Signal score
0 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Tool
该集群描述了一个用于评估LLM能力的新的学术基准。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration
Single-source cluster
Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics
paper, product
Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance
High
Clearly on-topic for AI-industry coverage.
Story freshness
7 days old
Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [1]

  1. Hugging Face Daily Papers TIER_1 English(EN) ·

    SLATE：面向电商工具使用中长周期API选择的大规模基准测试

    Enterprises increasingly want LLM agents to automate standard operating procedures over their software stacks -- mapping each step of a procedure to the right call among thousands of internal APIs, without hand-authored step-to-API mappings. The core difficulty is API selection a…

相关实体

相关话题