研究人员推出了TimeSage-MT，这是一个旨在评估大型语言模型Agent在多轮对话中时间序列推理能力的新基准。该基准包含240个任务和超过2600个对话轮次，涵盖现实世界领域，并侧重于不断变化的用户目标和累积证据。使用TimeSage-MT进行的初步评估显示，在面向决策的任务中性能显著下降，突显了Agent在记忆、不确定性处理和领域特定决策方面的关键差距。 AI
影响 该基准将推动更强大的LLM Agent在复杂的多轮数据分析任务中的发展。
排序理由 该集群包含一篇介绍用于评估AI能力的新基准的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →