研究者发布Agents' Last Exam智能体基准
热点事件持续更新
研究者发布Agents' Last Exam智能体基准
1 篇报道1 个报道来源1 小时前更新
先了解这件事
AI 综述
研究者发布 Agents' Last Exam（ALE）基准，用于评估 AI 智能体在长周期、有经济价值、结果可验证的真实世界任务上的表现。该基准与 250 多名行业专家合作开发，参照美国联邦职业分类 O*NET / SOC 2018 覆盖非物理行业，按 13 个行业集群、55 个子领域组织，包含 1K+ 任务。 在主流 harness 与 backbone 配置下，ALE 平均完整通过率低于 1%。ALE 被设计为持续更新的基准，随着新工作流和行业接入，任务池会不断扩充。
AI 根据报道生成 · 49 分钟前更新
最新进展10月12日 12:00
Agents' Last Exam（ALE）：面向经济价值真实工作流的 AI 智能体长周期基准报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv cs.CLAgents' Last Exam（ALE）：面向经济价值真实工作流的 AI 智能体长周期基准
研究者发布 Agents' Last Exam（ALE）基准，用于评估 AI 智能体在长周期、有经济价值、结果可验证的真实世界任务上的表现。ALE 与 250+ 行业专家合作开发，基于 O*NET / SOC 2018 覆盖 13 个行业集群、55 个子领域、1K+ 任务；当前主流 harness 与 backbone 配置下平均完整通过率低于 1%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。