Launching DolphinBench - agent memory benchmark that grades action after long history and measures a...
Taranjeet(@taranjeetio)109 字 (约 1 分钟)
85
DolphinBench 是首个综合评估代理记忆的基准测试，可同时测量长历史操作准确性、成本和延迟。
入选理由：DolphinBench 填补了现有基准在代理记忆评估的空白
精选推文#AI基准#代理系统#长上下文#研究工具英文