论文发布覆盖23种语言的智能体多语言基准BabelArena。
资讯摘要
论文提出BabelFlow，一种通过分析运行时依赖、结构保持翻译与多层验证结合人工审核，将现有智能体基准适配到新语言的流程。据此构建BabelArena，含来自4个基准族、13个领域、23种语言的702个规范任务共16146个实例。作者报告五个前沿模型测试中无单一模型全面领先，低资源语言更多出现工具调用与控制流错误，且消耗token更多。
要点速读
- BabelFlow通过运行时依赖分析、结构保持翻译和多层验证加人工审核，保留任务与评测语义。
- BabelArena包含16146个实例，源自4个基准族、13个领域、23种语言的702个规范任务。
- 五个前沿模型实验中无单一模型在各基准族全面占优；低资源语言工具调用与控制流错误占比更高，输入token最多约为英语的两倍。
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 2026/10/27 08:00:28（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。