热点事件持续更新
研究团队发布真实知识工作型Agent评测基准kw-bench
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10月28日，研究团队在arXiv发布了面向真实调查性知识工作的评测基准kw-bench，旨在测试知识工作型Agent框架的实际能力。该基准的首个任务族要求Agent在跨三代SAP系统的非结构化抽取数据中重建长达五年的增值税记录。在评测方法上，kw-bench摒弃了大语言模型裁判的方式，转而采用确定性评分机制以保证评估的准确性与客观性。
AI 根据报道生成 · 5 小时前更新
最新进展10月28日 12:00
研究团队推出评测基准kw-bench，首个任务聚焦跨SAP系统重建增值税记录。报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv 人工智能kw-bench 真实场景评测基准发布，测试知识工作型 Agent 框架能力
研究团队推出面向真实调查性知识工作的评测基准 kw-bench，首个任务族要求在跨三代 SAP 系统的非结构化抽取数据中重建五年增值税记录，采用确定性评分而非大语言模型裁判。
本事件热度走势
当前热度 9·可比范围峰值 10（10月28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。