ArbiGraph：可扩展可验证任务图基准生成器
热点事件持续更新
ArbiGraph：可扩展可验证任务图基准生成器
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
Pavel Golikov 等作者提出并发布 ArbiGraph，一个可生成可控任务图的基准生成器，用于评估工具辅助语言智能体能否在长推理流程中保留、更新、组合和丢弃任务相关上下文。 该基准的任务由自然语言问题与可执行 Python 求解器组成，长度、依赖结构、干扰项数量和值类型均可调，并保持精确自动验证。 作者在数学、GSM 式应用题和 Python 追踪任务上评估 Qwen3.5-27B 工具智能体，称依赖型分支链任务的准确率最多下降 33.3%。
AI 根据报道生成 · 2 小时前更新
最新进展10月27日 12:00
ArbiGraph：可任意扩展、可验证的任务图基准，用于评估上下文管理报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv cs.AIArbiGraph：可任意扩展、可验证的任务图基准，用于评估上下文管理
ArbiGraph 是一个可生成可控任务图的基准生成器，用于评估工具辅助语言智能体能否在长推理流程中保留、更新、组合和丢弃任务相关上下文。其任务由自然语言问题与可执行 Python 求解器组成，长度、依赖结构、干扰项数量和值类型均可调，并保持精确自动验证。在数学、GSM 式应用题和 Python 追踪任务上评估 Qwen3.5-27B 工具智能体，依赖型分支链任务准确率最多下降 33.3%。
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。