热点事件持续更新
研究者推出多智能体协作决策评测基准TandemBench
1 篇报道1 个报道来源8 小时前更新
先了解这件事
AI 综述
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 根据报道生成 · 8 小时前更新
最新进展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。报道时间线
沿着报道，了解事件的不同侧面。
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。
本事件热度走势
当前热度 8·可比范围峰值 10（11月5日 14:00）·近 24 小时可比范围变化–
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。