模型00:57
PlanBench-XL：在大型工具生态中评估LLM智能体的长程规划想看看你用的LLM在多工具长流程场景下到底多靠谱？PlanBench-XL用上千个工具设计了真实任务链，测出来主流模型成功率不到40%，值得一测。
#PlanBench-XL
共 1 条 · 7 天 0 条 · 30 天 0 条
信息流里打上「PlanBench-XL」标签的资讯、产品与论文，按刊登时间排，新的在上。
6月24日
想看看你用的LLM在多工具长流程场景下到底多靠谱？PlanBench-XL用上千个工具设计了真实任务链，测出来主流模型成功率不到40%，值得一测。
