SkillHorizon 长时程 Agent 基准发布

Yuxuan Liu 等作者发布 SkillHorizon，一个在七种商业环境中通过技能组合构建长时程任务的基准，将可复用技能流程转化为由输入输出依赖、共享资源和状态更新连接的商业活动。 该基准包含 1050 个任务，参考交互负载为 64K 至 1M tokens，评测了五个语言模型：平均局部目标完成率从 90.4% 降至 46.8%。负载更大时，智能体常在工作未完成且工具调用额度有剩余的情况下提交失败答案。代码已公开。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。