Artificial Analysis 发布私有智能体基准 AA-Briefcase 细节

ArtificialAnlys · x · 2026-08-13

Artificial Analysis 公布了其智能体知识工作基准测试 AA-Briefcase 的更多细节。该测试包含四个多周知识工作项目，涵盖数千个输入文件和 91 个任务，涉及数据科学、产品管理和企业战略等现实专业工作流。

每个任务都需要模型生成交付物（如电子表格、演示文稿和备忘录），并通过评分表、分析质量和展示效果三个维度进行打分。此外，团队还在 Hugging Face 上发布了第五个公开场景供外界参考测试结构。