PolyWorkBench：多语言长程 LLM 智能体基准测试

英文标题：PolyWorkBench: Benchmarking Multilingual Long-Horizon LLM Agents

大语言模型（LLM）智能体在需要规划、工具使用和外部环境交互的长程任务中表现出色。然而，现有基准大多隐含单语假设，仅支持英语环境。PolyWorkBench 基准旨在评估多语言场景下长程 LLM 智能体的能力，弥补了这一空白。该工作揭示了当前智能体在多语言任务中的性能差距，对推动全球化 LLM 应用和开发者构建跨语言智能体具有重要意义。

2.6 KB 2.1 KB 612 B 380 B 9.1 KB 22.8 KB 24.2 KB 34.7 KB