10:49
官方账号arXiv cs.AI@Damien Sileo, Dimitri Kachler
推荐理由：CordisBench基准测试了模型在动态代理环境中的组件生命周期推理能力，发现模型随复杂度增加可靠性下降，GPT-5.6 Luna在中等推理下每题需近3000个token。
组件生命周期
共 1 条相关 AI 资讯
9月2日
10:49
研究人员发布CordisBench基准，包含1200个问题，测试语言模型在动态代理框架中推理组件生命周期变化的能力。该基准使用Cordis运行时管理组件依赖和清理，要求模型识别受影响组件、预测指定拆卸顺序后的状态、判断不同条件下的适用性，并选择成功的重新配置方案。评测显示模型在小系统中表现良好，但随着交互数量增加可靠性下降，特别是在预测最终状态和跨拆卸顺序推理时。