前沿快讯 · 共 500 条

基准 ·2026年8月5日 ·热度 70 ·中国
腾讯混元推出 E-Bench:11 个前沿模型多步工具调用平均只有 54.56%

发生了什么:腾讯混元团队联合清华 AIR、东南大学计算机学院发布智能体评测基准 E-Bench(论文 arXiv:2607.23722)。它以王者荣耀、QQ 音乐、腾讯会议三个产品为原型构建全合成虚拟环境,共 323 个「改状态」任务,覆盖 41 张数据库表、逾 7.6 万条数据行与 60 万个数据单元;评分采用确定…