Agent-Diff: Benchmarking LLM Agents on Enterprise API Tasks via Code Execution with State-Diff-Based Evaluation

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Pysklo, Hubert M., Zhuravel, Artem, Watson, Patrick D.
Formato:	Preprint
Publicado:	2026
Materias:	Software Engineering Computation and Language
Acceso en línea:	Acceder al recurso
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

Internet

https://arxiv.org/abs/2602.11224