Thema
#benchmark
Loots, Blogposts und verwandte Themen rund um diesen Tag. Folge dem Tag, damit passende Updates in deinem Orbit bleiben.
1Gezeigte Loots
3Gezeigte Artikel
8Verlinkte Nachbar-Tags
Anschluss-Themen
Wenn du tiefer einsteigen willst, helfen die benachbarten Tags beim Vergleichen und Querlesen.
Loot
Mehr aus diesem Thema
Blog
Verwandte Artikel
Wissen & Lernen
PlanBench-XL tests whether agents can recover when tool paths break
PlanBench-XL is a June 2026 arXiv benchmark for long-horizon LLM tool-use agents, with 327 retail tasks, 1,665 tools, retrieval-limited visi…
Wissen & Lernen
MosaicLeaks shows how research-agent search queries can leak private data
MosaicLeaks is a new benchmark for deep-research agents that shows how external web queries can expose private enterprise facts through the …
Wissen & Lernen
Agents' Last Exam tests AI agents on real professional workflows
Agents' Last Exam is a new Berkeley-led benchmark for computer-use AI agents, with long-horizon professional tasks, verifiable outcomes, pub…
