公开知识图谱记录
AppWorld
记录摘要
Simulated multi-app benchmark used to evaluate agentic memory systems.
来自项目知识图谱的有来源实体；具体工具属性仍需补齐。
已记录信息
- 基准测试: 用于评测 ReAct agent 的任务基准
- 基准测试: 包含 168 个 test_normal 任务
- 基准测试: 用于评测 ReAct agent 的重复运行一致性
- 基准测试: 用于比较 JOLT+ 与 GRPO 的 state-test pass rate
资料覆盖
知识图谱当前记录了 5 个已知资料维度，另有 12 个维度尚未记录，关联 5 篇公开资料。这些数字只描述资料覆盖，不代表模型性能或适配性已经验证。
相关公开记录
- ALTK-Evolve — 评测于
- ReAct agent — 评测于
- agentic memory — 评测于
- Arbitrary code execution — 评测于
- JOLT — 评测于