超越SWE-bench：2026年AI Agent评估新范式——从‘工具使用’到‘长期规划’的基准测试集演进
本文深度解析2026年AI Agent评估范式的重大转变。针对SWE-bench等传统基准的局限性，学术界与工业界正构建聚焦长期规划、错误恢复与多步推理的新一代测试集，旨在推动Agent从执行短期任务向完成复杂、持久性目
阅读全文
Search
站内搜索
关键词：长期规划
找到 2 篇相关文章
具身智能‘大脑’新突破：2026年中‘小脑’运动控制与‘大脑’任务规划的融合进展
2026年中，以‘昆仑行’为代表的具身智能项目通过创新架构，实现了负责精细运动控制的‘小脑’与高层任务规划的‘大脑’深度融合。这一突破有效解决了机器人长期存在的‘手眼协调’与‘长期规划’分离难题，标志着通用机器人向真正自
阅读全文