实体 Workflow-GYM

Workflow-GYM

PulseAugur coverage of Workflow-GYM — every cluster mentioning Workflow-GYM 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_82393 · Jun 9 · 00:00

新基准揭示AI代理在专业工作流程中面临挑战

一项名为Workflow-GYM的新基准已被引入，用于评估AI代理在专业软件环境中的复杂、长周期任务。目前的AI代理在处理这些真实世界工作流程方面表现出显著的局限性，即使是最先进的模型成功率也仅略高于30%。研究突出了工作流程执行不一致、错误传播以及对专业软件理解不足等问题，表明需要对代理能力进行重大改进。