评估智能体自我进化：GDPevo企业级基准发布

PrismShadow · hf · 2026-08-06

GDPevo 是一个用于评估智能体自我进化能力的全新基准测试，其背景基于真实的企业工作流。现有的基准测试往往难以将测试时的性能提升归因于之前的训练经验，且容易受到数据污染的影响。

该基准的核心机制是规则混合，它将企业工作流拆解为原子级业务规则，并将其分散在训练任务中，随后在测试任务里重新组合，以此确保测试成绩确实源于智能体的经验积累。GDPevo 覆盖了 CRM、ERP、金融、医疗和法律等多个领域。评估结果显示，自我进化机制使智能体测试准确率最多提升了 16.44%，但距离理论上限（91.6%）仍有巨大差距。