FDE-Bench发布：智能体端到端交付评测

研究者发布 FDE-Bench，称其为首个基于真实客户项目构建的基准，用于评估智能体在需求不明确的业务任务中完成端到端交付的能力，包含组合优化与机器学习共 49 个案例。 测试中，智能体需向模拟客户问出缺失需求，最终交付物由针对各案例的评估器按验收标准打分，并以客户认可的 FDE 方案作为质量参照。 作者称，在 18 种智能体配置中最高平均交付得分仅 0.5510（FDE 参考为 1.0），最高交付成功率仅 6.12%，说明达到前线交付工程师级别的可靠端到端交付对现有智能体仍不可及。

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。