Thinkingbox：面向有状态业务工作流的 Agent 沙箱与基准评测
论文提出 Thinkingbox 沙箱与 Thinkingbox-bench 基准，包含 507 个策略条件化的业务工作流，覆盖零售、酒店、汽车保险、新银行内部 IT 及咨询 IT/HR 支持。
Why it matters: 论文构建了可复现的沙箱与评测基准，揭示现有模型在状态化业务工作流中的可靠性差距。
数据与训练
All topics训练侧的门道：数据集构建、合成数据、预训练与后训练方法、算力与训练成本。
Latest selected
1–2 of 17arXiv · DatabasesSelectedAI score6262 arXiv · Information RetrievalSelectedAI score7979 Galahad 通过字节精确记忆让 LLM 阅读成为一次性成本
论文提出 Galahad 内存层，让 vLLM、SGLang 等运行时缓存 KV 状态，避免重复计算。
Why it matters: 原文给出具体数字和三种运行时对比，读者可据此评估 Galahad 在能耗与延迟上的实际收益。