TwinRouterBench：智能体LLM路由双赛道评测基准
热点事件持续更新
TwinRouterBench：智能体LLM路由双赛道评测基准
1 篇报道1 个报道来源13 小时前更新
先了解这件事
AI 综述
Pei Yang等作者提出并发布TwinRouterBench，一个面向智能体LLM路由的步骤级评测基准，分静态与动态两条赛道。静态赛道提供来自SWE-bench、BFCL、mtRAG、QMSum和PinchBench的520个实例共970条路由可见前缀，每条前缀都配有目标层级，该层级按公开的降级级联协议估算并经执行验证；评分只对层级标签、轨迹归属和token成本做确定性算术，不设在线评审方LLM裁判。 动态赛道提供一套评测框架，可在完整的500例SWE-bench Verified套件上运行路由器；论文报告的是与静态SWE监督划分不相交的100例留出评测。每次LLM调用时，路由器从锁定模型池中选择具体模型，成功与否以官方任务解决结果和实际API花费衡量。作者称代码与数据已公开。
AI 根据报道生成 · 2 小时前更新
最新进展10月27日 12:00
TwinRouterBench：面向真实智能体 LLM 路由的快速静态与实时动态评测基准报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv cs.AITwinRouterBench：面向真实智能体 LLM 路由的快速静态与实时动态评测基准
TwinRouterBench 是一个步骤级 LLM 路由评测基准，分静态与动态两条赛道。静态赛道提供来自 SWE-bench、BFCL、mtRAG、QMSum 和 PinchBench 的 520 个实例共 970 条路由可见前缀，每条配有按公开降级级联协议估算并经执行验证的目标层级，评分仅基于层级标签、轨迹归属和 token 成本的确定性算术，无需在线 LLM 评审。
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。