工具整合基準

深度分析

The Amazing Agent Race：以 DAG 基準測試 LLM 代理人導航與工具整合能力

現有 LLM 代理人的工具使用測試過於線性，研究者推出 The Amazing Agent Race（AAR）基準，以 DAG 謎題結合維基百科導航與多步工具鏈，提供 1,400 個測試實例。三項指標顯示最佳模型僅有 37.2% 正確率，導航錯誤最為突出，揭示線性基準的盲點。