GraphEcho: Evaluarea agenților grafici LLM
GraphEcho testează dacă agenții LLM confundă întâlnirile repetate cu o coroborare suplimentară. GraphEcho este un benchmark conceput pentru a evalua agenții grafici cu model de limbaj mare (LLM). Testează dacă acești agenți pot distinge între întâlnirile repetate și coroborarea suplimentară. Indicatorul de referință variază numărul de căi...