SEL-BIRD
HoldCông cụ
Một bộ công cụ với các thao tác chuyên biệt và mở rộng theo từng miền cho các tác vụ benchmark.
Vì sao ở đây
Xếp vào Hold: 1 bài bằng chứng từ 1 nguồn, chủ yếu là tin nghiên cứu, 0 bài trong 30 ngày qua. Độ tin cậy 24%. Bằng chứng còn ít nên xếp thận trọng, chờ thêm tín hiệu.
Bằng chứng (1)
- 6Hugging Face Blog·15/4/2026researchVAKRA đánh giá khả năng suy luận và dùng công cụ của tác tử trong quy trình doanh nghiệp
Hugging Face Blog giới thiệu VAKRA, một bộ benchmark có thể thực thi để đánh giá tác tử AI trong môi trường giống doanh nghiệp với các tác vụ dựa trên API và tài liệu. Bài viết cũng nêu chi tiết bộ dữ liệu và các dạng lỗi quan sát được, cho thấy các mô hình hoạt động kém ở những quy trình suy luận nhiều bước và sử dụng công cụ.