研究者发布 ASTRA-bench 智能体基准
热点事件持续更新
研究者发布 ASTRA-bench 智能体基准
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
研究者发布工具使用智能体基准 ASTRA-bench，并开源完整执行环境与评估脚本。该基准通过事件驱动流水线生成覆盖四个主角的 2,413 个场景，把随时间演变的个人上下文、交互式工具箱与复杂用户意图放在一起考察。 对 Claude-4.5-Opus、DeepSeek-V3.2 等前沿模型的评测显示，高复杂度条件下性能显著下降，参数生成成为主要瓶颈。
AI 根据报道生成 · 1 小时前更新
最新进展11月6日 13:00
ASTRA-bench：评估工具使用智能体的个性化上下文推理与行动规划报道时间线
沿着报道，了解事件的不同侧面。
11月6日
- arXiv cs.AIASTRA-bench：评估工具使用智能体的个性化上下文推理与行动规划
研究者发布 ASTRA-bench，一个将时间演变的个人上下文、交互式工具箱与复杂用户意图统一起来的工具使用智能体基准，通过事件驱动流水线生成覆盖四个主角的 2,413 个场景。对 Claude-4.5-Opus、DeepSeek-V3.2 等前沿模型的评测显示，高复杂度条件下性能显著下降，参数生成成为主要瓶颈。基准已随完整执行环境与评估脚本开源发布。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。