arXivDaily arXiv每日学术速递 周一至周五更新
arXiv周末暂无论文更新,休息一下吧,周末愉快~~

作者

Graham Neubig

Natural Language Processing

2026-02-27 至 2026-02-27 共收录 1
2510.25726 2026-02-27 cs.CL cs.AI

The Tool Decathlon: Benchmarking Language Agents for Diverse, Realistic, and Long-Horizon Task Execution

工具十项全能:评估语言代理在多样化、真实和长周期任务执行中的基准测试

Junlong Li, Wenshuo Zhao, Jian Zhao, Weihao Zeng, Haoze Wu, Xiaochen Wang, Rui Ge, Yuxuan Cao, Yuzhen Huang, Wei Liu, Junteng Liu, Zhaochen Su, Yiyang Guo, Fan Zhou, Lueyang Zhang, Juan Michelini, Xingyao Wang, Xiang Yue, Shuyan Zhou, Graham Neubig, Junxian He

AI总结 工具十项全能提出了一种新的语言代理基准测试,通过多样化的真实任务和工具评估代理在复杂长周期任务中的表现。

Comments ICLR 2026, Website: https://toolathlon.xyz/

详情

展开后加载摘要…

URL PDF HTML 收藏