基准

GoBrowse

一个用于评估智能体在网页浏览任务中表现的基准测试环境

时间轴 (近 90 天)

10月28日

论文在GoBrowse、ALFWorld、AppWorld和τ-bench四个智能体基准上评估了GEPA-Curator。

待验证50%

论文在GoBrowse、ALFWorld、AppWorld和τ-bench四个智能体基准上评估了GEPA-Curator。