实体
PlanBench-XL
PlanBench-XL
PulseAugur coverage of PlanBench-XL — every cluster mentioning PlanBench-XL 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 2 条
-
新代理BRIA通过隔离调查来改进LLM工具选择
研究人员开发了BRIA（BRanch-Inspect-Adopt），一个旨在改进大型语言模型如何从广泛的库中选择和使用工具的代理。BRIA将对多个潜在工具的调查隔离到不同的分支中，允许每个分支独立执行。然后，任务代理会检查这些分支的结果，并将有用的结果整合到其主要的推理过程中。这种方法可以防止失败的尝试对后续步骤产生负面影响，并确保在需要时检索新功能。在使用近2000个工具的库对PlanBench-XL和MCP-Atlas进行评估时，…
-
新基准 PlanBench-XL 揭示 LLM 代理规划失败
名为 PlanBench-XL 的新基准已被开发出来，用于评估 LLM 代理在大型工具生态系统中的长期规划能力。该基准包含 327 个零售任务和 1,600 多个工具，测试代理发现相关工具和适应动态环境的能力。实验表明，即使是 GPT-5.4 等先进模型在这些复杂场景中也难以规划，尤其是在工具失败或不可用时，这凸显了对更鲁棒的自适应规划的需求。