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。
所属事件:xAI发布Grok 4.6，性能领先且定价不变(92 条相关)→
「研究」频道最新
- Lean v4.35.0 自带四个已验证内核，其中之一由 Claude 写成并自证一致 — geoffreyirving · 2026-10-16
- MP-Bench：语音 Agent 群聊插话判断仅与抛硬币相当 — solyarisoftware · 2026-10-16
- 对 Qwen3-8B 做神经元级 GWAS+PheWAS，定位安全相关神经元 — Sauers_ · 2026-10-16
- 770B 参数压进 214GiB：腾讯混元量化团队拆解 Hy4 Preview 压缩术 — coolmum18 · 2026-10-16
- 200 局国际象棋实测：作者认为上下文学习目前并不奏效 — akbirthko · 2026-10-16
- LARK-Lab 提出 Mosaic：跨会话的 Agentic 强化学习新范式 — LARK-Lab · 2026-10-16