GLM に関する報道

KC-Bench の開始は、LLM エージェントの評価が「単一ラウンドの精度」から「複数ラウンドでの知識競合解決能力」に移行していることを意味します。これは、実際のツール呼び出し環境をシミュレートし、ベンチマークを展開シナリオに近づけます。また、エージェントの機能をめぐる競争が、入力の不一致や動的な環境変化の処理にまで洗練されることも示しています。