Tag: tool-use

All the articles with the tag "tool-use".

• 6.5

  SEA-Eval: A Benchmark for Evaluating Self-Evolving Agents Beyond Episodic Assessment

  2026年04月13日

  · arXiv cs.AI· 04/13 12:31 采集

  SEA-Eval 首次提出超越 episode 内评估的 self-evolving agent benchmark 框架，评估 agent 是否能在任务间积累经验、优化策略、进化工具集——而非每次都从零开始。