STEPBench基准发布

1. 12:00
   arXiv · AI

   StepBench：诊断 AI 智能体对现实世界程序性理解的基准

   StepBench 发布，包含 6,885 个来自 wikiHow 的验证程序，覆盖 81 个开放领域类别，用于诊断智能体的规划能力。 该基准为每个程序衍生 5 项诊断任务，涵盖步骤缺失、错误及乱序检测。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。