评估智能体真实业务端到端交付基准FDE-Bench发布

2026年10月14日，研究人员推出首个基于真实客户项目构建的基准 FDE-Bench，旨在评估 AI 智能体在交互式需求澄清与迭代优化背景下的端到端交付能力。该基准涵盖组合优化与机器学习领域的 49 个真实案例，测试过程中由智能体向模拟客户挖掘缺失需求，并接受专属评估器的评测。在对 18 种智能体配置的测试中，最高平均交付得分仅为 0.5510（以 FDE 人工参考为 1.0），最高交付成功率（DSR）仅达到 6.12%，反映出当前智能体在处理模糊业务需求及实现端到端完整交付上仍存在较大差距。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。