研究团队发布Agent协作评测基准SlackBench
Start here
2026年11月5日，研究团队在arXiv发布了全新的AI评测基准SlackBench。该基准旨在评估AI Agent结合职场多方沟通以及GitHub代码库、Google Docs动态状态进行联合推理的能力。SlackBench共设计了140个查询，涵盖异构源搜索、错误前提拒答和长对话推理等多种任务。在针对33个前沿模型与Agent框架的测试中，最佳系统的得分约为80%，而多数Agent的表现均低于66%。
AI-generated from reports · Updated 9 hours ago
Report timeline
Follow the reports to see different sides of the story.
- arXiv 人工智能SlackBench：基于真实代码仓库与协作项目的 Agent 评测基准
SlackBench 评测基准正式推出，用于评估 AI Agent 结合职场多方沟通与 GitHub 代码库、Google Docs 动态状态进行联合推理的能力。该基准包含 140 个涵盖异构源搜索、错误前提拒答与长对话推理等任务的查询。在 33 个前沿模型与 Agent 框架的测试中，最佳系统得分约 80%，多数 Agent 低于 66%。
Story heat trend
Current heat 8·Comparable peak 10（Nov 5 14:00）·Comparable change, last 24 hours–
Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.