11:09
官方账号arXiv cs.AI@Leijun Zhou, Zhihao Liu, Xiang Qu, Chenxu Liu, Yifei Liu, Yanke Yu, Jingzhe Xu, Xuejun Wu, Buyue Qian, Xi Chen, Yaowei Zheng, Junhao Hu
推荐理由：想评估智能体能不能从经验里进步？GDPevo用企业真实流程搭了120个任务，最高涨16.44个点，开源可跑。
GDPevo
共 1 条相关 AI 资讯
8月5日
11:09
GDPevo是一个基于GDP相关企业工作流的智能体自我进化评估基准，覆盖CRM、ERP、金融、医疗、法律和数据工作流。其规则杂交机制把每个流程拆成原子业务规则，训练与测试任务重组规则，使测试收益可归因于训练经验。V1包含12组120个任务，每组5个训练任务和5个保留测试任务；流水线可在两天内扩展到V2的24组240个任务。研究者在四种监督类型下评估了四个智能体，自我进化使保留测试准确率最高提升16.44个百分点。但最优进化智能体仍远低于91.6%的全知上限，说明当前智能体的自我进化能力尚未充分实现。