AgentTime 更新:新增时间感知综合分,GPT 系列明显领先
maksym_andr · x · 2026-11-04
作者 maksymandr 转发并引用自己关于 AgentTime 基准的重大更新:新增了合并的「时间感知综合分数」,将时长遵循、运行时预测与回溯评估纳入单一指标。评测显示 GPT 模型(尤其是 GPT-6 系列)在这一维度上明显领先,同时新增了大量参评模型。作者称这一「恼人问题」现在可以被用作 hillclimbing(迭代优化)信号来改进模型。
所属事件:AgentTime 基准大更新:GPT 系时间感知综合分领先(3 条相关)→
「模型」频道最新
- 团队宣布已用跨分布式 GPU 训练的模型，称效果很好即将公开 — markjeffrey · 2026-11-04
- 研究员求助:我的模型「知道自己在被评测」,eval-aware 问题怎么破 — nrehiew_ · 2026-11-04
- MiniMax H3 Lite/Highspeed 年末五折，Replicate 与 Cloudflare 独家 — ritakozlov · 2026-11-04
- 曝 OpenAI 内部模型 BenchCAD 2.0 得分 0.875，较 GPT-6 Astra 高出 28 分 — ChrisGPT · 2026-11-04
- 界面惊现"6 Astra High"选项目，新 Astra 版本上线前兆 — gethackteam · 2026-11-04
- 让 DeepSeek V4.1 Flash 只看权重猜任务：4 个 RL 检查点猜对 3 个 — poppear · 2026-11-04