跳到正文
arXiv · NLP· Hanlin Tian, Sihan Zhu, Zhao Yang, Yuxiang Wang, Zhiquan Hu, Yu Mi, Hongquan Zhu, Qiufei Hu·· 3 天前AI 评分21

DetourBench: 交互式智能体轨迹级评测与最小动作界限

DetourBench: Trajectory-Level Evaluation of Interactive Agents with Exact Minimum-Action Bounds

AI 导读

DetourBench 提出轨迹级评测框架,通过环境约束计算最小动作数 L0 及残差工作 RT,解决传统端点评分无法区分智能体路径效率的问题。 在 375 个评分回合中,五个模型端点的成功率介于 58.7% 至 96.0%,条件达成率范围为 0.803 至 0.890。 项目已开源实例、见证及评估工具,被 NeurIPS 2026 工作坊接收。

来源:arXiv · NLP · arxiv.org