热点事件持续更新
研究人员推出并开源电商长程工具调用基准SLATE
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
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 根据报道生成 · 4 小时前更新
最新进展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%。报道时间线
沿着报道，了解事件的不同侧面。
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。
本事件热度走势
当前热度 9·可比范围峰值 10（11月4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。