ARE-bench：对代理在现实世界研究人员会议和工作空间中的研究能力进行基准测试

原文：ARE-bench: Benchmarking Agents' Research Ability in Real-World Researcher Sessions and Workspaces

研究人员取得了越来越高的基准分数，但这些分数并不一定能转化为正在进行的研究项目的可靠交付。许多研究代理基准测试强调干净或精心设计的工作空间中的独立任务和相对独立的工作流程。然而，研究人员要求特工完成正在进行的项目中的一个步骤，其中请求取决于伯爵

正文由本站服务器抓取保存（已自动过滤广告、推荐位与追踪图片），排版与原站可能不同；版权归原站所有。