SlackBench 协作项目 Agent 基准发布
热点事件持续更新
SlackBench 协作项目 Agent 基准发布
1 篇报道1 个报道来源8 小时前更新
先了解这件事
AI 综述
2026 年 11 月 5 日，arXiv 发布论文，正式推出 SlackBench 基准。该基准旨在基于真实代码仓库评估 AI 智能体在协作工作流中的表现，通过模拟隐私保护的学术项目重演，涵盖多源检索及不可回答问题的拒绝回答能力。 SlackBench 包含 140 个查询任务，重点测试需联合推理通信与代码状态的复杂情境。评测范围覆盖 33 个前沿模型，结果显示最佳系统得分约为 80%，而大多数智能体的表现低于 66%，反映出当前 AI 在处理长对话情境推理及多源协作任务上仍存在显著差距。
AI 根据报道生成 · 7 小时前更新
最新进展11月5日 13:00
SlackBench：基于真实代码仓库协作项目评估 AI 智能体基准报道时间线
沿着报道，了解事件的不同侧面。
11月5日
- arXiv · NLPSlackBench：基于真实代码仓库协作项目评估 AI 智能体基准
SlackBench 发布了针对真实协作工作流的 AI 智能体评估基准，包含 140 个需联合推理通信与代码状态的查询任务。该基准基于隐私保护的学术项目重演，涵盖多源检索、不可回答问题的拒绝回答及长对话情境推理。测试显示 33 个前沿模型中最佳系统得分约 80%，大多数智能体低于 66%。
本事件热度走势
- 可比范围当前
- 8
- 可比范围峰值
- 911月5日 15:00
- 近 24 小时变化
- –
02.557.510
15:0016:0017:0018:0019:0020:00
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。