基准
Trek-Base
基于 HomeBench 扩展的智能家居指令评测数据集，通过同义改写与口语化表达测试自然语言表达的多样性
时间轴 (近 90 天)
11月3日
Trail团队在HomeBench基础上扩展出三个数据集：Trek-Base（测试语言多样性）、Trek-Robust（评估环境变化鲁棒性）、Trek-Memory（评估多轮对话记忆能力）。
待验证50%
11月3日
在Trek-Base数据集上，Trail保持竞争力，说明结构化决策未牺牲基础理解能力。
待验证50%
基于 HomeBench 扩展的智能家居指令评测数据集，通过同义改写与口语化表达测试自然语言表达的多样性
Trail团队在HomeBench基础上扩展出三个数据集：Trek-Base（测试语言多样性）、Trek-Robust（评估环境变化鲁棒性）、Trek-Memory（评估多轮对话记忆能力）。
在Trek-Base数据集上，Trail保持竞争力，说明结构化决策未牺牲基础理解能力。