FoodTruck Bench 榜单上线 Papers with Code:让 LLM 真金白银经营餐车 30 天

NielsRogge · x · 2026-11-19

Hugging Face 的 NielsRogge 宣布将 FoodTruck Bench 基准收录进 Papers with Code,并提议与基准作者建立自动同步,让新模型评测结果实时上。

FoodTruck Bench 测试 LLM agent 的长程经营决策:从 $2000 起步,在模拟的德州奥斯汀经营一辆餐车 30 天,agent 可调用 34 个工具选地点、定菜单定价、采购易腐食材、管理员工、谈判供应商、贷款买升级;每天对话重置,只有 agent 自己的笔记能延续记忆,最终按净资产排名(取多次运行的中位数)。榜单上 Gemini 4 Carbon 以 $77,217 净资产居首,Claude Opus 5、Qwen4 Max 分列二三位。

原文链接 →

「模型」频道最新

更多「模型」频道 AI 资讯 →