ホットトピック継続更新中
研究人员推出并开源电商长程工具调用基准SLATE
1 件の報道1 件の報道元9 時間前 更新
まずこの件を把握する
AI 概要
2026年11月4日，研究人员推出大规模评测基准 SLATE，旨在测试大语言模型智能体在真实电商场景下的大工具集与长程 API 选择能力。该基准构建了涵盖约 1,000 个工具的电商库以及确定性模拟器。针对 3B 至 12B 参数开源模型的测试结果显示，当前模型在长程工具调用上挑战显著，表现最好的模型任务完成率仅为 5.0%。目前，SLATE 基准、模拟器及相关评测工具均已开源发布。
AI が報道をもとに生成 · 9 時間前 更新
最新の進展11月4日 13:00
研究人员推出并开源电商长程 API 调用基准 SLATE，测试显示开源模型最高完成率仅 5.0%。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4日
- arXiv 自然语言处理SLATE：针对电商工具使用长程 API 选择的大规模评测基准
研究人员推出大规模评测基准 SLATE，测试 LLM 智能体在真实电商场景下的大工具集与长程 API 选择能力。该基准构建了涵盖约 1,000 个工具的电商库与确定性模拟器；对 3B 至 12B 参数开源模型的测试显示，表现最好的模型任务完成率仅 5.0%。目前 SLATE、模拟器及评测工具已开源发布。
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4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。