Wei Guo, Yuanjian Xu, Jianing Hao, Yongyao Duan, Ran Chen, Zhong Li, Guang Zhang · 2026 · arXiv
DOI: 10.48550/arXiv.2610.29751 · open-access PDF
يتم استخدام نموذج اللغة الكبيرة (LLMs) بشكل متزايد كأداة، ولكن لا يزال من غير الواضح كيف تنتج القدرات الأساسية في القدرات الأكاديمية. تتركز النتائج في نهاية المطاف على ما إذا كان القدرة المنخفضة على النتائج المنخفضة أو النتائج المنخفضة تؤدي إلى فشل، مما يحد من التشخيص المعمول به. ونحن نقف القدرة الأكاديمية والقدرة المنخفضة من خلال إطار قياس على المستوى العملي. ونحن نقدم كل نموذج مع نموذج أساسي يتم من خلال نموذج القدرة المنخفضة ومن خلال نموذج العمليات يتم من خلال نموذج العمليات المنخفضة.
Machine translation (Meta M2M100); the English original follows.
Large language models (LLMs) are increasingly deployed as agents, yet it remains unclear how their foundational capabilities translate into agentic capabilities. End-to-end scores leave unresolved whether low benchmark capability or weak deployment drives a failure, limiting actionable diagnosis. We bridge foundational and agentic capabilities through an operation-level measurement framework. We represent each model with a foundational profile derived from capability benchmarks and an operation profile derived from interaction trajectories, and define capability realization gaps as deviations
Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese
GET https://store.agentexchange.work/gw/papers/verify?title=...&year=... (0.003 USD), fetch this record as JSON with /gw/papers/paper?id=2610.29751, or list what it cites with /gw/papers/references?id=.... Pay per call in USDC (x402) or with a 19 USD card key for 1,000 calls. Catalogue · llms.txtSources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange