Papers09:37
Chinese contentWorldBench：多语言智能体文化基准测试研究人员发布WorldBench基准，测试多语言智能体在真实场景中的表现，发现当前模型在长周期任务中表现脆弱。
#WorldBench
1 stories · 0 in 7 days · 0 in 30 days
Stories, products and papers tagged "WorldBench", newest first.
Sep 2
研究人员发布WorldBench基准，测试多语言智能体在真实场景中的表现，发现当前模型在长周期任务中表现脆弱。