AgentOrch 基准对比全局编排与逐步交互

Zijie Liu 等作者发布 AgentOrch 基准，在 650 个企业 SOP 和 3,220 个运行时变体上，以匹配的工具、环境和评测方式直接对比全局编排与逐步交互两种方式。结果显示，逐步交互在所有评测模型上仍更准确，但从早期模型到最强近期模型，这一准确率差距已缩小约 79%。 作者报告了三项改进效果：增量式工作流构建平均提升全局编排准确率 9.98 个百分点；用执行反馈修订完整工作流，在留出运行时变体上提升 6.13 个百分点；针对完整工作流的目标训练在五个模型上平均提升 12.18 个百分点。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。