行业与实践 · 标签「FDE-Gym」

研究与基准测试/2026-10-18/20 分钟

FDE-Gym：人工智能交付的最后一公里

95 项端到端交付任务、20 个客户场景、18 个行业。最好的配置在必须自行发现未言明约束时，平均 FDE-Gym 分数只有 0.56，95 项里只解决 14 项。拿到全部关键事实的 23 项任务里，业务提升达到 0.8 的只有 10 项。