ASTRA-bench工具使用智能体基准发布
热点事件观察中
ASTRA-bench工具使用智能体基准发布
1 篇报道1 个报道来源2 天前更新
先了解这件事
AI 综述
2026年11月6日，研究者Zidi Xiu等人在arXiv发表ASTRA-bench基准，全称Assistant Skills in Tool-use, Reasoning & Action-planning，旨在评估工具使用智能体的推理与行动规划能力。该基准将随时间演变的个人上下文、交互式工具箱与复杂用户意图统一起来，通过事件驱动流程生成覆盖四个主角的2,413个场景。对Claude-4.5-Opus、DeepSeek-V3.2等先进模型的评估显示，高复杂度条件下性能明显下降，参数生成成为主要瓶颈。基准附带完整执行环境与评估脚本，用于诊断智能体在杂乱个人上下文中推理并编排多步计划的能力。
AI 根据报道生成 · 2 天前更新
最新进展11月6日 13:00
ASTRA-bench：评估工具使用智能体的推理与行动规划能力报道时间线
沿着报道，了解事件的不同侧面。
11月6日
- arXiv Artificial IntelligenceASTRA-bench：评估工具使用智能体的推理与行动规划能力
研究者发布 ASTRA-bench 基准，将随时间演变的个人上下文、交互式工具箱与复杂用户意图统一起来，通过事件驱动流程生成覆盖四个主角的 2,413 个场景。对 Claude-4.5-Opus、DeepSeek-V3.2 等先进模型的评估显示，高复杂度条件下性能明显下降，参数生成成为主要瓶颈。该基准附带完整执行环境与评估脚本，用于诊断智能体在杂乱个人上下文中推理并编排多步计划的能力。
本事件热度走势
- 可比范围当前
- 3
- 可比范围峰值
- 711月7日 03:00
- 近 24 小时变化
- -49%
02468
06:0012:0018:0011月8日06:0012:00
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。