待验证50% 置信基准精确时间
SkillScaffold在ALFWorld、WebShop、ScienceWorld和τ²-Bench四个基准上进行了评估，并在短程和长程任务上都超越了强智能体RL基线和技能驱动RL基线。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/14
首次发现
有效期至：2027/1/12
来源
涉及实体
相关事实
待验证SkillBench专注于测量模型+Skill组合系统在特定任务上的增量性能，与MMLU、HumanEval等衡量模型通用能力的传统基准不同70% 相似待验证Dataverse插件演示中共载入6个技能，顶层的DV Overview技能承担路由职责，判断应调用哪些技能68% 相似待验证各阶段对应的关键技能分别为：Prompt对应Prompt Engineering，Context对应RAG/向量检索，Harness对应工具集成/MCP协议，Loop对应Loop Engineering67% 相似待验证Skills Store采用策展型（Curated）平台模式，审核机制包含功能可用性测试、安全性审查和用户体验标准67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1028036API
curl https://kongchang.com/api/v1/knowledge/claims/1028036MCP
get_claim(id=1028036)