ホットトピック継続更新中
研究者推出多智能体协作决策评测基准TandemBench
1 件の報道1 件の報道元10 時間前 更新
まずこの件を把握する
AI 概要
2026年11月5日，研究人员在arXiv发布多智能体协作决策评测基准TandemBench。该基准包含1,200道多智能体烹饪题目，研究团队据此评测了40个原生决策模型与10个通用语言模型。测试结果显示，表现最佳的原生决策模型取得了62.50%的决策准确率，但在最优性验证能力上接近随机水平，经常错误判断候选方案之外是否存在更优解。目前，该基准的数据集与评估代码已公开发布。
AI が報道をもとに生成 · 10 時間前 更新
最新の進展11月5日 13:00
研究人员发布协作评测基准TandemBench，最佳模型准确率达62.50%，代码与数据已公开。報道タイムライン
報道をたどり、出来事のさまざまな側面を知る。
11月5日
- arXiv 自然语言处理TandemBench：多智能体协作决策模型评测基准
研究人员推出包含 1,200 道多智能体烹饪题目的协作评测基准 TandemBench，并评测了 40 个原生决策模型与 10 个通用语言模型。测试显示最佳原生决策模型取得 62.50% 的决策准确率，但在最优性验证上接近随机水平，常错误判断候选方案外是否存在更优解。该基准的数据集与评估代码已公开发布。
このストーリーのホット度の推移
現在のホット度 8·比較可能範囲のピーク 10（11月5日 14:00）·直近24時間の比較可能な変化–
トレンドは継続して完全に観測した同じ主体のみを比較するため、現在のホット度の集計より範囲が狭い場合があります。ポインターの移動やタップで1時間ごとのホット度を確認でき、キーボードでは左右の矢印キーで切り替えられます。