JobBench 纳入 Meta 评测套件
RulinShao · x · 2026-07-10
【转发】这条内容主要介绍了 **JobBench**：一个面向“让 AI 代理增强人类而不是替代人类”的评测工作。作者强调，代理的目标不应只是追求更高 GDP 式的经济价值，而应基于真实的人类工作需求来设计任务。 ### 核心主张 - 他们希望构建的是“**增益型**”AI agents，而不是只会替代劳动的系统。 - 任务设计来自 **WorkBank**：一个以工人为中心的调研，超过 1500 名领域专家标出了他们真正希望交给 AI 代理的任务。 - 这项工作现在已经成为 **Meta Muse Spark 1.1** 评估套件的一部分。 ### 同帖引用的模型信息 引用内容提到，**Muse Spark 1.1** 在以下方面表现最强： - agentic performance - tool use - computer use - 长任务处理（1M token 上下文） - 可并行委派给多个子代理 - 训练目标覆盖桌面、手机和浏览器上的界面操作 整体来看，这是一条把“代理该怎么评”与“某个模型在代理能力上做到什么程度”结合在一起的帖子。