Hugging Face评估Agent稳定性

Hugging Face提出关注Agent任务重复成功率，而不仅是平均成功率：GPT-4.1 ReAct Agent在AppWorld五次重复中平均成功率为77.4%，但全五次都成功的任务仅53.0%。文章介绍通过ALTK-Evolve利用历史轨迹提升Agent一致性的方法。

事件进展（1 篇报道）

1. 2026-09-16 00:00
   Hugging Face Blog Your Agent Aced the Task. Will It Do It Again?

← 返回首页