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...
