Miércoles 4 de noviembre de 2026 ·
SLATE: benchmark a gran escala para elegir APIs en tareas largas de comercio electrónico
Presentan SLATE, un benchmark con unas 1.000 herramientas de comercio electrónico para evaluar si un agente de modelos de lenguaje elige y encadena las APIs correctas en procedimientos largos. Usa un simulador determinista que devuelve salidas registradas y una métrica que solo comprueba si la tarea alcanza todos los resultados de referencia, sin jueces basados en modelos de lenguaje.
Qué significa
Ofrece una forma automática y reproducible de comparar agentes de IA en entornos empresariales con muchas herramientas, algo que los benchmarks actuales no prueban. Las empresas que automatizan procesos sobre miles de APIs tendrán una referencia más fiable.
Fuentes originales
Resumen de Hoy en IA. Pulsa una fuente para leer la noticia completa en su idioma original.
- arXiv cs.CLLeer la noticia completa en arXiv cs.CL
También ese día
Todas las noticias de IA del miércoles 4 de noviembre de 2026 ->