实体
UserBenchmark
UserBenchmark
PulseAugur coverage of UserBenchmark — every cluster mentioning UserBenchmark across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
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
-
新的EGI-BENCH套件统一企业LLM代理评估
一个名为EGI-BENCH的新基准套件已发布，它将八个面向企业的代理基准整合到一个单一的接口中。该套件旨在为企业环境中的大型语言模型（LLMs）提供统一的评估，涵盖客户关系管理（CRM）操作、文档检索和长上下文软件工程等领域。该基准定义了一个企业通用智能（EGI）分数，这是一个六维框架，聚合了细粒度的子指标。初步结果显示GPT-5.5取得了最高的总体EGI分数，尽管没有单一模型在所有能力轴上都表现出色，其中Claude Sonnet …
-
新的IAPO方法改进了多轮任务中LLM代理的信用分配
研究人员开发了一种名为影响感知策略优化（IAPO）的新方法，用于训练与用户和工具进行多轮交互的大型语言模型（LLM）代理。IAPO通过将代理动作和观察表示为影响依赖图来解决信用分配的挑战，从而能够根据信息和错误在任务中的流动情况更好地重新分配奖励。使用Qwen3-4B和Qwen3-8B模型在tau^2-Bench、UserBench和AgentChangeBench等基准上的实验表明，IAPO在不牺牲函数调用能力的情况下，优于现有的多…