模型精选
Agent Arena 发布长期任务基准测试
精选理由
Agent Arena 推出了真实世界长期任务的基准测试，帮你了解各模型在实际环境中的表现差异。
Agent Arena 推出新基准，测量模型在真实世界长期任务中的相对改进。该基准使用网页、文件系统和终端工具进行测试。Agent Arena 专注于评估智能体在实际环境中的表现。基准结果可在 arena.ai/leaderboard/ag 查看。
原文 · lmarena.ai
Agent Arena measures net improvement relative to the average model across real-world, long-horizon tasks using web, filesystem, and terminal tools. Dive into the Agent Arena: arena.ai/leaderboard/ag… 💬 0 🔄 1 ❤️ 1 👀 657 📊 1 ⚡