智能体评估

研究团队推出SEATauBench基准，专门用于评估AI智能体在东南亚五种语言（中文、越南语、泰语、印尼语、菲律宾语）中的工具使用与任务执行能力，填补了该领域多语言评估的空白。

研究者提出AgentOdyssey评估框架，通过程序化生成包含丰富实体、世界动态和长程任务的开放式文本游戏，以全面检验智能体在测试阶段的持续学习能力。实验揭示了当前智能体在知识获取、记忆、探索等关键能力上的显著局限。