Agents' Last Exam：前沿 AI 智能体评测基准
ajratner · x · 2026-07-12
Agents' Last Exam (ALE) 是一个旨在评估前沿 AI 智能体在现实世界、长周期任务中表现的新基准。
- 基准特点：包含 1500+ 个由专家提出的任务，覆盖 55 种非物理职业，由来自 100 多个机构的 300 多名专家贡献。
- 评估方式：所有任务均基于真实的专家工作，并采用完全可验证、基于结果的评分标准进行评估。
- 行业应用：该基准正成为前沿智能体开发的重要参考，OpenAI 的新模型（推文提及 GPT-5.6）在该基准上取得了强劲表现。
所属事件:ICML 2026 聚焦智能体评测与隐私安全(4 条相关)→
「模型」频道最新
- Fern 团队提出「上下文即智能」:预测精度随上下文增至 1000 万 token 持续提升 — bneyshabur · 2026-10-26
- Mirendil 发布首个自研预训练模型 Fern,上下文最长 1000 万 token — bneyshabur · 2026-10-26
- 网友发现 Claude 疑似上线专用翻译界面 — BLCNYY · 2026-10-26
- 用户实测 GrokBot:订机票、网购全被拦,几乎办不成事 — lucasmeijer · 2026-10-26
- 售卖机基准新观察：Sol 5.6 被指最激进、最常违约 — xuanalogue · 2026-10-26
- 爆料称 Fable 5.5 每周将发，博主泼冷水：本月无前沿新模型 — patience_cave · 2026-10-26