RecodeX 重构消息，研究团队在AppWorld、τ-Bench和AutomationBench三个基准上测试了TURTLE系统。在AppWorld中，735个经演化生成的任务里，几乎所有任务的求解成功率都落在40%至60%区间；该系统在高难度任务上的成功率较此前提升了165%。