https://derekwang2002.github.io/ai-intelligence/projects/fde-gym/ AI 模型、Agent、工程与基础设施的重要变化，附一手来源与建议等级。 zh-CN Mon, 02 Nov 2026 16:56:00 GMT https://derekwang2002.github.io/ai-intelligence/events/ev-20261015-06/ ev-20261015-06-published Sat, 17 Oct 2026 15:59:50 GMT 新事件 TRIAL <p>FDE-Gym 收集 95 项端到端交付任务，覆盖 20 个客户场景与 18 个行业。agent 需要追问未写明的约束、修改正在运行的系统，并以客户业务指标的提升来评分。作者评测 7 家供应商的 13 种模型配置，最佳配置只解决 14 项任务。公开 harness 与三个示例任务可复测，完整任务需申请。</p><p><strong>为什么读：</strong>评测从修代码扩展到发现需求与改善业务结果，正好暴露 coding benchmark 的盲区。</p><p>建议等级：TRIAL</p><p>来源：<a href="https://arxiv.org/abs/2610.22350">FDE-Gym paper</a> · <a href="https://github.com/deeplethe/fde-gym">FDE-Gym code and harness</a> · <a href="https://huggingface.co/datasets/DeepLethe/FDE-Gym">FDE-Gym dataset</a></p>