银行工作流智能体基准 Bank-World 发布
热点事件持续更新
银行工作流智能体基准 Bank-World 发布
1 篇报道1 个报道来源12 小时前更新
先了解这件事
AI 综述
Daniel Rupawalla 等作者发布银行工作流智能体评测基准 Bank-World，包含 50 项银行任务，覆盖两家模拟机构，通过单轮任务和多轮交互测试智能体在记录核对、权限获取、交易执行和状态报告一致性上的表现。 四个模型共 1,600 次尝试显示，正确决策常未转化为完成的工作：智能体重复收费、在收款人之间错误分配正确总额、在审批未完成时执行付款。Sol 单轮完成率领先，Opus 多轮完成率最高，Grok 成功的多轮任务更多但稳定性较差。 作者称，任务环境、可执行评分器和完整轨迹被私下保留，以减少污染并留作后续评测。
AI 根据报道生成 · 2 小时前更新
最新进展10月31日 12:00
Bank-World：评估智能体银行工作流能力的基准报道时间线
沿着报道，了解事件的不同侧面。
10月31日
- arXiv cs.AIBank-World：评估智能体银行工作流能力的基准
Bank-World 是一个包含 50 项银行任务、覆盖两家模拟机构的基准，通过单轮任务与多轮交互测试智能体在记录核对、权限获取、交易执行和状态报告一致性上的表现。四个模型共 1,600 次尝试中，正确决策常未能转化为完成的工作：智能体重复收费、在收款人之间错误分配正确总额、在审批未完成时执行付款。Sol 单轮完成率领先，Opus 多轮完成率最高，Grok 成功的多轮任务更多但稳定性较差。
本事件热度走势
- 可比范围当前
- 7
- 可比范围峰值
- 810月31日 22:00
- 近 24 小时变化
- –
02468
22:0023:0011月1日
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。