56 位 AI 从业者投票:Terminal-Bench 4 成最可信前沿基准

AccBalanced · x · 2026-11-16

Chris Barber 询问 56 位 AI 行业人士,他们认为哪些基准最能判断一个 LLM 是否达到前沿水平,结果呈现出明显的编码/Agent 基准主导格局:

投票者包括 Alex G. Shaw、Andy Konwinski、Steven Dillmann、Dan Hendrycks 等知名从业者。整体看,编码与 Agent 实操类基准的信任度远超传统知识问答基准。

所属事件:56 位 AI 从业者票选 Terminal-Bench 4 为最可信前沿基准(3 条相关)→

原文链接 →

「模型」频道最新

更多「模型」频道 AI 资讯 →