GraphEcho: Hodnocení LLM Graph Agents
GraphEcho testuje, zda agenti LLM zaměňují opakovaná setkání za další potvrzení. GraphEcho je benchmark navržený pro hodnocení agentů grafů velkých jazykových modelů (LLM). Testuje, zda tito agenti dokážou rozlišit mezi opakovanými setkáními a dodatečným potvrzením. Benchmark se liší počtem cest…