Bake AI 两篇 agent 评测论文获 NeurIPS 2026 接收

Bake AI 团队宣布其两篇环境与基准论文被 NeurIPS 2026 接收：NARRA-Gym 是一个可执行评测环境，用于测试 LLM 智能体能否在多轮交互中维持连贯且不断演化的叙事并适应用户，评测显示九个前沿模型在长程交互叙事能力上差异显著；另一篇 JobBench 则覆盖 130 项任务，用于考察智能体的任务执行能力。

2026-09-26 ~ 2026-09-26 · 2 条相关

• Bake AI 两个 agent 评测论文获 NeurIPS 2026 接收，JobBench 覆盖 130 项任务 — my_cat_can_code · 2026-09-26
• NARRA-Gym 发布:九个前沿 LLM 长程交互叙事能力差异显著 — my_cat_can_code · 2026-09-26