PulseAugur
中
实时 10:36:32
实体 OpenAgents

OpenAgents

PulseAugur coverage of OpenAgents — every cluster mentioning OpenAgents 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
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条
  1. TOOL · CL_244855 ·

    论文质疑LLM智能体排行榜的有效性

    一篇新论文质疑LLM智能体排行榜的有效性，认为对排名智能体的直接比较可能具有误导性。作者们强调，任务组合、数据来源、发布细节和成本规则的差异会显著影响智能体的得分。他们提出了一种可估算感知程序，以更准确地评估成对优势，并强调在解释排名差异时需要考虑不确定性和实际边际，尤其是在SWE-bench和AgentRewardBench等基准测试上。