AutomationBench-AA 自动化基准发布
ArtificialAnlys · x · 2026-07-07
Artificial Analysis 发布 AutomationBench-AA 自动化能力基准,配套 arXiv 论文与 GitHub 仓库,并上线 Zapier 排行榜,官网公布完整评测结果。属面向自动化/工具调用能力的新评测基准。
所属事件:AutomationBench-AA发布：AI自动化测评(7 条相关)→
「研究」频道最新
- Project APE：论文含多处错误时，验证器可靠性会下降 — soumitrashukla9 · 2026-07-22
- Project APE：验证成本一年降约 90 倍，中文开源模型领跑 — soumitrashukla9 · 2026-07-22
- Project APE 用 100 篇 AI 论文注错，构造验证器基准 — soumitrashukla9 · 2026-07-22
- 论文提出 CRED 分类法与基准，评测研究错误检测器 — soumitrashukla9 · 2026-07-22
- OpenAI 认为长程模型要按完整行动序列做安全对齐检查 — rhiever · 2026-07-22
- 有人想训练一个一致性 LoRA，让动漫场景保持统一 — ThirdWorldBoy21 · 2026-07-22