#Benchmark Değerlendirme

DuMateBench: Gerçek Dünya İş Akışlarında Otonom Ajanları Değerlendirme

Yeni benchmark, gerçek kullanıcı oturumlarından oluşturulan karmaşık görevlerle otonom ajanların performansını daha hassas şekilde ölçüyor.