arXiv 2026年10月14日智能体要接真实客户需求：49个未讲清的项目里，最高交付分只有0.5510FDE-Bench把49个真实客户项目做成端到端交付测试，智能体必须向模拟客户问出没写明的需求并反复改方案，18种配置里最高平均交付分只有0.5510，而前线交付工程师的参考值是1.0。FDE-Bench把49个真实客户项目做成端到端交付测试，智能体必须向模拟客户问出没写明的需求并反复改方案，18种配置里最高平均交付分只有0.5510，而前线交付工程师的参考值是1.0。Chinese University of Hong KongPeking UniversityChinese Academy of SciencesTsinghua UniversityBaidu (China)Beijing University of Posts and TelecommunicationsHuaiming Li（第一作者）#FDE-Bench 基准#交互式需求澄清#端到端交付任务