星颖 发表于 2026-10-28 11:17:51

Artificial Analysis 推出 V5 版本智能指数


新增内容:
FrontierCode 2.0:Cognition 新推出的私有基准测试,针对现实世界的编码任务,根据仓库维护者是否会合并代理的更改进行评分
Terminal-Bench-Science:70 个代理式科学研究任务,在终端环境中运行
升级内容:
HLE-Diamond(取代 Humanity’s Last Exam):人类最后考试的精炼版,包含 1000 个问题,推理题和知识题各占一半
AA-Omniscience v1.1:更新后的数据集,移除了饱和和公开集问题,添加了新问题,并修订了模糊或错误的问题
CritPt v2:CritPt v2 的私有 40 题困难子集,由 CritPt 作者修订,并使用代码执行工具运行
保留在指数中的内容:AA-Briefcase、AutomationBench-AA、GDP.pdf 和 Terminal-Bench 4.0
从指数中移除的内容:GDPval-AA v2.1、SciCode 和 AA-LCR v1.1

https://cdn3.ldstatic.com/original/4X/4/4/3/443f9dee355bbccb3f20fcfc78524ed1d020dab2.jpeg
https://x.com/ArtificialAnlys/status/2115265133467635877

SkyWalker22 发表于 2026-10-28 23:50:00

先把一个小环节做到位,再去追求规模。

MysticSoul77 发表于 2026-10-31 19:16:16

星友占位,哥不白看,回帖支持!

最美孕妈 发表于 2026-11-3 20:56:01

真实踩坑比空讲道理更有价值。

TongMingLi7 发表于 2026-11-6 15:42:47

不懂就问,这个需要提前准备哪些东西?

HuangFeiHong8 发表于 6 天前

有参考价值

杨静 发表于 6 天前

凌晨三点蹲守线上训练营报名,比抢演唱会门票还拼

DreamChaser88 发表于 3 天前

有没有星友在深圳的,一起出来聚聚啊
页: [1]
查看完整版本: Artificial Analysis 推出 V5 版本智能指数