智能体基准最高分仅一成二揭示长任务能力短板

📊 本文共 3,313 字 ☕ 预计按 500 字/分钟速度阅读,需要 7 分钟 一、半导体分析机构发布长任务智能体基准并公布低分结果 2026年11月2日,美国半导体与人工智能分析机构 SemiAnalysis 发布智能体能力基准 GDPx 1.0版,作者为马克斯·坎(MaxKan)、安德鲁·梅加拉(Andrew Megalaa)与迪伦·帕特尔(Dylan Patel)。GDPx覆盖11个专业领域,包含206项任务,由14家专业数据合作伙伴共同建设,首版排行榜收录13个模型,任务默认时限为8小时,评分采用三次尝试的首次通过率(pass@1)平均值,11个领域权...

🔒 【前沿智库 · 会员专享】

本内容为 FinSages Insights 专享研报,仅对注册会员开放,游客无法阅读全文。

💡 阅读特权规则:
1. 免费注册会员:登录后,发布满 7 天 即可永久免费阅读全文。
2. 付费会员(含体验卡/普通/VIP/SVIP):即刻解锁全站最新研报与晨报,无延迟独享。

类似文章

发表回复