Stanford 与 DeepMind 推出 TURTLE 自动演化更难工具使用基准

Stanford 与 Google DeepMind 发布新论文提出 TURTLE（Tool Use Related Tasks with Long-Horizon Evolution），利用 AlphaEvolve 对 AppWorld 等现有工具使用基准的旧任务进行演化改造，将其升级为通过率降至约 50% 的更难长程任务，以应对当前基准过于简单、难以区分模型能力的问题。

2026-11-09 ~ 2026-11-09 · 2 条相关

• Stanford 与 DeepMind 提出用演化把太简单的基准改造成 50% 通过率的难题 — rohanpaul_ai · 2026-11-09
• Stanford 与 DeepMind 提出 TURTLE：自动进化出更难的工具使用基准 — rohanpaul_ai · 2026-11-09