SkillHorizon长程Agent基准发布

2026年10月14日，Yuxuan Liu等作者在arXiv发布SkillHorizon长程智能体任务基准。据该报道，该基准通过技能组合在七种商业环境中构建长时程任务，用输入输出依赖、共享资源和状态更新串联业务活动；在1,050个任务上评测五个语言模型，参考交互负载从64K到1M tokens，平均局部目标完成率从90.4%降至46.8%。报道还称，负载较大时智能体更常在工作未完成且工具调用额度仍有剩余时提交失败答案。作者表示代码已公开。目前该事件仅有这一篇主报道，尚无后续跟进报道，因此上述数字与结论均来自该单一来源，未经其他报道印证。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。