Agora智能体文档推理基准发布

1. 12:00
   arXiv · NLP

   Agora: 面向智能体职场文档推理的档案基准测试

   Agora 是一个包含 362 个问题和 8 个领域共 9664 份真实文档（372M tokens）的基准测试，强制智能体进行有目的的探索而非全量扫描。 该基准通过智能体流水线构建，结合跨文档任务合成与去混淆；评估显示最强模型准确率仅 59.4%，表明任务远未解决。

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。