研究者发布SlackBench智能体协作评测基准

研究者发布 SlackBench，一个用于评测 AI 智能体在工作场所沟通与代码仓库状态上联合推理能力的基准。它基于对真实学术研究项目的隐私保护重演构建，提供可复现环境，包含多方对话、决策演变以及对应 GitHub 仓库和 Google Docs 中的代码变更。 该基准含 140 条查询，覆盖异构来源检索、对不可回答或虚假前提问题的拒答、目标导向摘要和长对话情境推断。在 33 个前沿模型与智能体框架中，最佳系统得分约 80%，多数低于 66%。数据集已在 Hugging Face 公开。

AI 根据报道生成 · 25 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。