MissionReport 基准发布：前沿模型写政府任务报告多数不合格

micro1.ai 与现役及前美国政府和军方专业人士合作推出 MissionReport 基准，测试九个前沿模型能否将工作文件转化为指挥官和高层领导可信赖的任务报告。基准包含 540 份报告，全部 20 个任务均由有实际工作经验的专家撰写，涵盖周报、项目状态报告和行动报告等类型。结果显示表现不佳：平均仅约 60 分，540 份报告中仅 3 份完全达标。

2026-10-27 ~ 2026-10-27 · 2 条相关