FDE-Gym发布AI交付任务基准

Dongxu Yang等作者发布FDE-Gym基准，包含来自18个行业、20个客户场景的95个端到端交付任务，由行业专家根据真实交付项目改编，用于评估AI智能体在模糊需求和真实系统中的交付能力。 在需要自行发现未明示约束的真实设定下，最佳配置平均得分仅0.56，95个任务中只完成14个；即便在最佳配置已获取全部关键事实的23个任务中，也仅10个达到0.8以上的业务提升。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。