10:03
官方一手arXiv: DeepSeek@Jiayu Cao, Xingyuan Zeng, feiyu Li, Zhijing Huang, Xujie Yuan, Rongxiang Chen, Shimin Di, Libin Zheng, Jian Yin
推荐理由：想解决城市服务碎片化问题？这个框架把LLM和代码、API、MCP接起来，跑通跨系统任务，成功率比最强基线高10个点。
UrbanAgent
共 1 条相关 AI 资讯
8月5日
10:03
UrbanAgent是一个面向跨系统城市任务的工具增强智能体框架，将大语言模型的推理能力与代码执行、API调用及Model Context Protocol工具集结合。研究团队同时推出了Urban-Eval基准，用于评估跨系统城市请求的任务结果与执行质量。实验显示UrbanAgent任务成功率达71%，比最强基线高出10个百分点，该优势在GPT-5-mini、Gemini-2.5-flash、DeepSeek-V4-flash和Qwen3-235B-A22B上保持一致。