热点事件持续更新
研究团队发布智能体协作工作流评测基准SlackBench
1 篇报道1 个报道来源11 小时前更新
先了解这件事
AI 综述
2026年11月5日，研究人员推出评测基准 SlackBench，旨在评估 AI 智能体在结合工作场所多方沟通与 GitHub 代码仓库演进的真实协作场景下的表现。该基准共包含 140 个查询任务，重点考察智能体的跨异构源搜索、长对话情境推理能力，以及对不可回答或错误前提问题的弃权处理能力。在对 33 个前沿模型与 Agent 框架的实际评测中，表现最好的系统得分约为 80%，而多数智能体的得分均低于 66%。
AI 根据报道生成 · 6 小时前更新
最新进展11月5日 13:00
研究团队推出智能体评测基准SlackBench，在对33个系统评测中多数智能体得分低于66%。报道时间线
沿着报道，了解事件的不同侧面。
11月5日
- arXiv cs.AISlackBench：基于真实代码仓库协作场景的 AI 智能体评测基准
研究人员推出评测基准 SlackBench，用于在结合工作场所多方沟通与 GitHub 代码仓库演进的真实协作场景下评估 AI 智能体能力。该基准包含 140 个查询任务，涵盖跨异构源搜索、长对话情境推理以及对不可回答或错误前提问题的弃权处理。在对 33 个前沿模型与 Agent 框架的评测中，最佳系统得分约为 80%，多数智能体得分低于 66%。
本事件热度走势
当前热度 8·可比范围峰值 9（11月5日 18:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。