实体 LongWoF-Bench

LongWoF-Bench

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

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

情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条

RESEARCH · CL_217762 · Aug 24 · 00:00

新基准 LongWoF-Bench 评估可复用的 AI 经验

研究人员推出了 LongWoF-Bench，这是一个旨在评估大型语言模型可验证执行经验重用的基准。这种称为 EvoMap 的方法将成功的任务轨迹整合为结构化的“基因”，后续模型可以共享和应用。实验表明，EvoMap 基因在七种不同的模型上显著优于传统的“技能”，将长工作流的完成率提高了 8.7 至 15.5 个百分点。对于 Claude Opus，该方法在完成更多任务的同时，还将 token 消耗量减少了近 10%。