客服技能LLM智能体工作流基准发布
热点事件持续更新
客服技能LLM智能体工作流基准发布
1 篇报道1 个报道来源15 小时前更新
先了解这件事
AI 综述
研究者发布了一个面向真实客服场景的基准，用于评估大语言模型作为智能体工作流执行者的能力。该基准从真实客服对话中挖掘重复工作流，经结构化技能描述、工具映射和MCP兼容环境模拟，生成多轮工具调用对话。对17个模型的零样本评测显示，GPT-5.4大幅领先，QWEN3.5-9B为最强开源模型，在每位评审下均超过多个闭源基线。同时，10组评审两两一致的Kappa均值仅0.524，说明评审可靠性需与模型能力同等重视。
AI 根据报道生成 · 1 小时前更新
最新进展10月15日 12:00
评估 LLM 作为真实客服技能中的智能体工作流执行器报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv：cs.CL评估 LLM 作为真实客服技能中的智能体工作流执行器
研究用从真实客服对话中挖掘的重复工作流构建基准，经结构化技能描述、工具映射和 MCP 兼容环境模拟生成多轮工具调用对话。对 17 个模型（1.7B-14B 开源及闭源）做零样本评测，GPT-5.4 大幅领先，QWEN3.5-9B 是最强开源模型，在每位评审下均超过多个闭源基线。10 组评审两两一致的 Kappa 均值仅 0.524，说明评审可靠性需与模型能力同等重视。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。