Towards Outcome-Oriented, Task-Agnostic Evaluation of AI Agents
机构 * Writer, Inc.(Writer公司)
专题命中 Agent评测 :AI agent(title,abstract);agent(abstract);分类 cs.AI、cs.CL
AI 大模型
智能体、工具调用、规划、工作流、多智能体和自主任务执行。
机构 * Writer, Inc.(Writer公司)
专题命中 Agent评测 :AI agent(title,abstract);agent(abstract);分类 cs.AI、cs.CL
机构 * Kuaishou Technology(快手科技) ; Nanjing University(南京大学)
专题命中 Agent评测 :agentic(title,abstract);agent(abstract);分类 cs.AI、cs.SE
机构 * Kamiwaza AI
专题命中 Agent评测 :agentic(title,abstract);tool use(abstract);分类 cs.AI
Comments 34 pages
机构 * Brown University(布朗大学)
专题命中 Agent评测 :planning(title,abstract);分类 cs.AI、cs.CL、cs.LG
Comments NAACL Main Conference 2025
Journal ref Proceedings of the 2025 Conference of the Nations of the Americas Chapter of the Association for Computational Linguistics: Human Language Technologies (Volume 1: Long Papers)
机构 * School of Computer Science and Technology Xi’an Jiaotong University China(西安交通大学计算机科学与技术学院) ; Shanghai AI Laboratory(上海人工智能实验室) ; MOE KLINNS Lab Xi’an Jiaotong University China(西安交通大学教育部KLINNS实验室)
专题命中 Agent评测 :agent(title,abstract);分类 cs.CL
专题命中 Agent评测 :agent(title,abstract)
Comments 6 pages, 4 figures, 4 tables
机构 * Bridgewater AIA Labs(布里奇沃特AIA实验室)
专题命中 Agent评测 :agent(abstract);agentic(abstract);分类 cs.AI
机构 * Georgia Institute of Technology(佐治亚理工学院)
专题命中 Agent评测 :agent(abstract);multi-agent(abstract);分类 cs.LG
Comments 22 pages, 14 figures, 10 tables. https://github.com/GT-STAR-Lab/JaxRobotarium. Manuscript accepted for publication at the 9th Conference on Robot Learning (CoRL 2025), Seoul, Korea
机构 * Scale AI ; University of Maryland(马里兰大学) ; University of Chicago(芝加哥大学) ; Washington University, St. Louis(圣路易斯华盛顿大学) ; McGill University(麦吉尔大学) ; University of California, Berkeley(加州大学伯克利分校)
专题命中 Agent评测 :agent(abstract);分类 cs.AI、cs.CL、cs.LG
Comments 27 pages, 21 figures, pre-print
专题命中 Agent评测 :agent(abstract);分类 cs.SE
机构 * Zewu Zheng, Yuanyuan Lin(作者)
专题命中 Agent评测 :agent(abstract);分类 cs.LG
Comments To be published in the Proceedings of AAAI 2026
专题命中 Agent评测 :agent(abstract);分类 cs.CL
Comments 16 pages, 11 models,1 set of evaluation framework,5 core dimensions, 54 sub-indicators, 14,430 high-quality questions
专题命中 Agent评测 :agent(abstract);分类 cs.LG
机构 * ARC Lab, Tencent PCG(腾讯PCG部门ARC实验室) ; Shanghai Jiao Tong University(上海交通大学) ; University of Macau(澳门大学) ; Dalian University of Technology(大连理工大学) ; The Chinese University of Hong Kong(香港中文大学)
专题命中 Agent评测 :planning(abstract);分类 cs.AI
Comments a comprehensive visual spatial reasoning evaluation tool, 25 pages, 16 figures
专题命中 Agent评测 :agent(abstract);分类 cs.CL
Comments This is an extended version of the copyrighted publication at AAAI
机构 * School of Software Technology, Zhejiang University(浙江大学软件学院) ; College of Computer Science and Technology, Zhejiang University(浙江大学计算机科学与技术学院) ; State Key Laboratory of Mathematical Engineering and Advanced Computing(数学工程与先进计算国家重点实验室) ; Chinese Academy of Engineering(中国工程院) ; College of Cyber Security, Jinan University(暨南大学网络安全学院)
专题命中 Agent评测 :agent(abstract);分类 cs.AI
Comments 68 pages,9 figures
机构 * Aerospace Engineering Department, Worcester Polytechnic Institute(航空航天工程系,沃斯特理工学院) ; Department of Aerospace Engineering, University of Michigan(航空航天工程系,密歇根大学)
专题命中 Agent评测 :agent(abstract);分类 cs.LG
Comments 23 pages, 18 figures
机构 * New Jersey Institute of Technology(新泽西理工学院)
专题命中 Agent评测 :agent(abstract);分类 cs.LG
机构 * Enzo Duflot, Stanislas Robineau
专题命中 Agent评测 :agent(abstract);分类 cs.LG
Comments 8 pages main text, 3 appendix pages, 10 figures
专题命中 Agent评测 :agent(abstract)