斯坦福与DeepMind用AlphaEvolve进化工具调用基准
中文摘要
斯坦福和DeepMind用AlphaEvolve优化工具调用基准。
English Summary
Stanford and DeepMind use AlphaEvolve to evolve tool-calling benchmarks.
Original Excerpt
斯坦福与Google DeepMind提出TURTLE方法,用AlphaEvolve对AppWorld等静态工具调用基准的现有任务做变异,加入过滤条件、额外步骤和隐藏查询,把过易的基准改造成仍可解但更难的测试。