阿里千问发布多语言LLM agent基准BabelArena

阿里千问团队推出了多语言 agent 评测基准 BabelArena 及 BabelFlow 适配流水线，用于测试大语言模型 agent 工作流在不同语言下的工具调用与执行表现。该基准覆盖 23 种语言和约 1.6 万个任务实例，研究发现同一任务在低资源语言下可能导致高达 8 倍级的工具调用膨胀，表明跨语言差距不仅体现在成功率上，还会对工具调用和控制流产生显著影响。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。