研究者发布Agent决策模型评测基准与4B决策模型
热点事件持续更新
研究者发布Agent决策模型评测基准与4B决策模型
2 篇报道2 个报道来源2 小时前更新
先了解这件事
AI 综述
研究者公开了 AgentDecisionBench 评测基准与 JevAgentHarness 框架，用于评测决策模型在智能体任务中的表现：从孤立选择题到实际控制运行中的智能体，覆盖公开基准和自建的 DecisionGym 环境。其动机是 LLM 智能体每一步都调用大模型，长任务运行慢且成本高。 按论文介绍，JevAgentHarness 把日常决策交给蒸馏自 Jev 的开源 4B 决策模型 AgentDecision-4B，仅在置信度超过按智能体轨迹拟合的阈值时才采用其答案，否则仍由 LLM 决策。 论文作者称，模型、数据和 harness 将在论文给出的网址发布，具体内容尚未公开。
AI 根据报道生成 · 1 小时前更新
最新进展10月18日 00:35
JevAgentHarness：4B 决策模型蒸馏超越 Jev 降本事件进展
2 个进展
- 10月18日 00:35 · 1 篇报道发布JevAgentHarness与AgentDecision-4B研究DAIR.AI：JevAgentHarness：4B 决策模型蒸馏超越 Jev 降本
- 10月15日 08:00 · 1 篇报道发布AgentDecisionBench与JevAgentHarness决策模型研究HuggingFace Daily Papers：JevAgentHarness：与 LLM 共享控制权的决策模型基准、部署与训练
报道时间线
沿着报道，了解事件的不同侧面。
10月18日
- DAIR.AIJevAgentHarness：4B 决策模型蒸馏超越 Jev 降本
论文提出 JevAgentHarness，把日常决策交给蒸馏自 Jev 的开源 4B 决策模型，仅在置信度超过按智能体轨迹拟合的阈值时才采用其答案，否则仍由 LLM 决策。
10月15日
- HuggingFace Daily PapersJevAgentHarness：与 LLM 共享控制权的决策模型基准、部署与训练
针对 LLM 智能体每步都调用大模型导致长任务慢且贵的问题，研究者构建了 AgentDecisionBench，用于评测决策模型从孤立选择题到实际控制运行中智能体的表现。
本事件热度走势
- 可比范围当前
- 19
- 可比范围峰值
- 2010月18日 01:00
- 近 24 小时变化
- +540%
05101520
12:0010月17日12:0010月18日
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。