FDE-Gym交付任务基准发布

事件综述根据 1 篇报道整理，10月16日更新

Hugging Face Daily Papers 发布 FDE-Gym 基准，用于评估 AI 智能体在模拟客户环境中能否交付有效方案。该基准含 95 个端到端交付任务，取自 20 个客户场景、覆盖 18 个行业，由行业专家改编自真实交付项目。 对 7 家提供商 13 种模型配置的评测显示，最佳配置平均得分仅 0.56，95 个任务中只解决 14 个。发布方称，未明说的约束是主要瓶颈：即便在 23 个任务中已获取全部关键事实，也仅 10 个达到 0.8 以上的业务提升。

综述由模型根据报道生成，细节以各篇原文为准。