Bank-World

新的Bank-World基准揭示了AI代理在银行工作流中的局限性

一个名为Bank-World的新基准已被开发出来，用于评估AI代理在复杂银行工作流中的表现。该基准包含两个模拟机构的50个任务，测试代理在记录核对、交易执行和保持一致指令方面的能力。对四种模型的初步测试显示，虽然代理通常能做出正确的决定，但它们在一致执行和多轮交互方面存在困难，其中Sol、Opus和Grok表现出不同的优势和劣势。