PulseAugur
中
实时 15:59:45
实体 BusinessBench

BusinessBench

PulseAugur coverage of BusinessBench — every cluster mentioning BusinessBench across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 1 条
  1. RESEARCH · CL_205935 ·

    StateM 运行时通过 Harness Scaling 提高 AI 代理准确性 · 跟踪 2 个来源

    研究人员开发了 StateM，一个旨在增强长时程 AI 代理性能而无需修改其底层模型权重的新运行时系统。该系统围绕持久化状态、可恢复的运行手册和可强制执行的过程控制来组织代理执行。StateM 在 Terminal-Bench 2.1 等基准测试中展示了显著的改进，将 GPT-5.5 xhigh 的准确率提高到 92.1%，并使用 GPT-5.6 Sol xhigh 达到了 95.3% 的原始准确率。它还以极低的适应成本将 DeepS…