研究者发布本地生活搜索Agent基准ATLAS-Bench
热点事件持续更新
研究者发布本地生活搜索Agent基准ATLAS-Bench
1 篇报道1 个报道来源23 小时前更新
先了解这件事
AI 综述
研究者在arXiv发布ATLAS-Bench，一个评估LLM智能体本地生活搜索能力的基准，包含基于真实搜索事件扩展的1,200条查询，覆盖三个地区，并配套提供搜索工具和固定POI知识库的标准化评测环境ATLASBox。 在11个模型的14种配置测试中，GPT-6-Luna的约束满足率（71.5%）和事实准确率（95.6%）最高，但在可满足查询中返回至少一条可接受推荐的比例（67.3%）低于GLM-5.3（85.3%）。
AI 根据报道生成 · 1 小时前更新
最新进展10月29日 14:14
ATLAS-Bench：面向本地生活搜索的智能体工具使用基准报道时间线
沿着报道，了解事件的不同侧面。
10月29日
- arXiv · cs.AIATLAS-Bench：面向本地生活搜索的智能体工具使用基准
研究者推出 ATLAS-Bench，一个评估 LLM 智能体本地搜索能力的基准，包含基于真实搜索事件扩展的 1,200 条查询，覆盖三个地区，并配套提供搜索工具和固定 POI 知识库的标准化评测环境 ATLASBox。在 11 个模型的 14 种配置中，GPT-6-Luna 的约束满足率（71.5%）和事实准确率（95.6%）最高，但在可满足查询中返回至少一条可接受推荐的比例（67.3%）低于 GLM-5.3（85.3%）。
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。