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。
Kimi / 月之暗面
All topics月之暗面 Kimi 系列模型与产品动态：K 系列开源模型、长上下文技术与产品演进的追踪。
Latest selected
1–1 of 7arXiv · DatabasesSelectedAI score6262