BusinessBench

StateM 运行时提高了 AI 代理在长周期任务上的准确性

一篇新的研究论文介绍了 StateM，一个专为代理设计的运行时，旨在提高长周期 AI 代理的性能。StateM 通过围绕持久化状态、阶段本地上下文和版本化过程实践来组织执行，从而在不改变其核心模型权重的情况下，增强代理周围的执行系统。该系统在 Terminal-Bench 2.1 基准测试中展示了显著的准确性提升，将 GPT-5.5 xhigh 提升至 92.1%，并使用 GPT-5.6 Sol xhigh 达到了 95.3%。此外，…