标签
FDE-Bench 是首个基于真实客户项目构建的基准，用于评估 AI 代理在需求不明确的真实商业请求下进行端到端交付的能力，涵盖 49 个组合优化与机器学习案例。结果显示，18 种代理配置中最高平均交付分仅为 0.5510（FDE 参考为 1.0），最高交付成功率仅 6.12%，表明代理尚未达到 FDE 级别的端到端交付水平。