Bank-World 银行业务 Agent 基准发布
热点事件持续更新
Bank-World 银行业务 Agent 基准发布
1 篇报道1 个报道来源20 小时前更新
先了解这件事
AI 综述
Daniel Rupawalla 在 arXiv 发布 Bank-World 基准，包含 50 项银行任务、覆盖两家模拟机构，通过单轮任务和多轮与模拟员工交互测试记录核对、权限获取、交易执行等能力。在四个模型共 1,600 次尝试中，正确决策常未能变成完成的工作，例如重复收费、金额分配错误、审批未完成就执行付款。Sol 单轮完成率领先，Opus 多轮完成率最高。任务环境、可执行评分器和完整轨迹将私密保留以防污染。
AI 根据报道生成 · 55 分钟前更新
最新进展10月29日 17:59
Bank-World：评估 AI 智能体银行工作流的基准报道时间线
沿着报道，了解事件的不同侧面。
10月29日
- arXiv · cs.AIBank-World：评估 AI 智能体银行工作流的基准
Bank-World 是一个包含 50 项银行任务、覆盖两家模拟机构的智能体评测基准，通过单轮任务和多轮与模拟员工交互来测试记录核对、权限获取、交易执行等能力。在四个模型共 1,600 次尝试中，正确决策常未能变成完成的工作，例如重复收费、金额分配错误、审批未完成就执行付款。Sol 单轮完成率领先，Opus 多轮完成率最高，任务环境、可执行评分器和完整轨迹将私密保留以防污染。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。