热点事件持续更新
研究团队推出智能体框架评测基准TraceTrial-Bench
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
2026年10月26日，相关研究团队在arXiv发布了评测基准TraceTrial-Bench，旨在评估AI智能体运行框架的可靠性与故障归因。该基准从上下文、执行等7个维度构建了95个专家级任务。在针对4个运行框架、9个模型开展的3,420次运行评测中，各框架的宏平均得分介于59.8%至72.0%之间。评测结果还显示，有31.1%的运行虽然未满足至少一项框架标准，但仍取得了任务成功，这为智能体运行框架的故障诊断提供了可审计的依据。
AI 根据报道生成 · 9 小时前更新
最新进展10月26日 12:00
研究团队推出TraceTrial-Bench基准，从7个维度评估智能体运行框架的可靠性与故障归因。报道时间线
沿着报道，了解事件的不同侧面。
10月26日
- arXiv 人工智能TraceTrial-Bench：评测 AI 智能体运行框架的可靠性与故障归因
TraceTrial-Bench 是一套评测 AI 智能体运行框架可靠性与故障归因的基准，从上下文、执行等 7 个维度构建了 95 个专家级任务。评测覆盖 4 个运行框架、9 个模型的 3,420 次运行，框架宏平均得分在 59.8% 至 72.0% 之间。结果显示 31.1% 的运行虽未满足至少一项框架标准仍取得任务成功，为框架故障诊断提供了可审计依据。
本事件热度走势
当前热度 8·可比范围峰值 10（10月26日 13:00）·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。