标签
TASTE是一种自动化方法，通过自适应对比n-gram建模和迭代难度优化来演化工具序列，从而生成覆盖更广工具使用、更具挑战性的智能体基准测试。生成的τ^c-Bench显示，在现有基准测试中几乎饱和的模型性能大幅下降，表明这是基准饱和而非模型具备稳健能力。