HSC-Bench：评估智能体交接后的任务接管

新基准 HSC-Bench 评估智能体交接后的任务接管能力。

资讯摘要

论文提出 Handoff State Continuity Benchmark（HSC-Bench），包含 1,039 个任务，用于评估智能体交接后接收模型能否恢复仓库证据，并从既有对话、工具与文件状态继续工作。作者报告，对六个接收模型的比较显示，结构化交接状态提升了所有模型的仓库证据恢复表现，并改善了多数模型的续作表现；两条评估轨道上的最强模型并不相同。

要点速读

1. HSC-Bench 含 1,039 个任务，覆盖仓库证据恢复与从既有状态续作两方面。
2. 作者报告结构化交接状态提升所有模型的证据恢复，并改善多数模型的续作表现。
3. 两条轨道的最强接收模型不同，证据恢复排名不足以反映续作能力。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/29 08:00:21（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。