arXiv · cs.AI · Yumou Liu, Mingju Chen, Zhoufutu Wen, Qianyu Yang, Zijie Wang, Yeqian Liu, Chenghao Yang, Tiliang Duan, Qiyu Cai, Yanglihong Xiao, Jiayun Dong, Jianlan Ma, Shenhao Miao, Yuhan Cao, Lu Xu, Que Shen, Tian Gao, Ge Zhang, Jianpeng Jiao, Xuanhe Zhou, Fan Wu · 8 小时前模型评分56
DeliverBench 发布：用 11 个真实项目评测 人工智能（AI，Artificial Intelligence） 智能体多阶段交付能力
DeliverBench: Benchmarking AI Agents on Delivering Realistic Multi-Stage Professional Projects
导读
研究团队发布 DeliverBench 基准，用 11 个由 13 位领域专家基于真实材料重建的项目，检验 人工智能（AI，Artificial Intelligence） 智能体能否从需求简报一路做到最终交付。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
应用领域：金融、法律与合规、医疗与生命科学
事件类型：研究发布
证据摘录
- “To address this gap, we introduce DeliverBench, which tests whether agents can carry a project from brief to final delivery.”
来源：arXiv · cs.AI · arxiv.org