**Δτ-Bench：推动智能体适应动态演化的工具生态**

_Δτ-Bench: Pushing Agents Toward a Moving Capability_

> 论文提出了Δτ-Bench，一个模拟大型工具生态系统结构演化的可执行智能体基准。该基准通过能力保持的转换生成六个连续生态状态，评估智能体能否主动发现高效工具路径并及时修正程序知识。实验表明，现有最强模型在动态环境中的成功率仅为 42.3%，且现有技能学习方法无法有效适应生态演变。为此，作者提出了 Steward 系统，通过增量技能维护和动态供给联合管理工具与程序知识，在降低维护开销的同时提升了任务成功率及工作流恢复能力。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-10-27 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.34238)