7万
1万
26万
管理员
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
使用道具 举报
0
3623
7246
大师
3729
7458
VIP(月费)
3741
7482
3716
7432
VIP(年费)
3506
7012
3388
6776
3690
7380
本版积分规则 发表回复 回帖后跳转到最后一页
微信
社群
VIP
AI
顶部
|本站内容来源网友投稿或网络转载,如果有侵权的内容,请联系我们删除。|小黑屋|人人为我,我为人人!| 星颖资源网
GMT+8, 2026-11-19 11:08 , Processed in 0.676253 second(s), 38 queries .