wide-and-deep

标签

#wide-and-deep

WANDR：广度与深度研究基准

arXiv cs.LG ↗ · 2026-08-18 缓存

WANDR是一个用于评估AI代理在广度与深度研究任务上的基准，专注于高容量数据收集且具有可验证的准确性。它包括500个任务和一个评估框架，以对现有系统进行压力测试。

0 人收藏 0 人点赞