arXiv ID:
2601.08173
智能体的首个工作日:在工作场景中评估学习、探索与调度能力 / The Agent's First Day: Benchmarking Learning, Exploration, and Scheduling in the Workplace Scenarios
1️⃣ 一句话总结
这篇论文提出了一个名为M3E的动态评估环境,用于测试AI智能体在模拟真实工作场景中处理动态任务调度、主动探索和持续学习的能力,发现当前先进模型在这些方面仍存在明显不足。