Mollick 谈基准测试局限:Agent Arena 或是当下最佳选择
emollick · x · 2026-11-16
Ethan Mollick 回应 Nathan Lambert 称,当前基准测试能告诉我们的东西非常有限。Lambert 表示封闭模型总体上确实更稳健,但仅凭无法测量的方面来判断并不公平,并认为 Agent Arena 或许是目前衡量智能体能力最好的手段。
「模型」频道最新
- 数据:ChatGPT 答案外链率从 10% 暴增至近 50%,链接行为大变 — lilyraynyc · 2026-11-16
- 悬赏 5 天无人找到 750 词假阳性,网友:没人愿赌 1000 美元 — ctjlewis · 2026-11-16
- MazeBench 新高:Fable 5.2 花费 90 小时和 6000 美元跑出 21% 登顶 — patience_cave · 2026-11-16
- 腾讯 Hy4 flash 与 internlm Sage-S2.1-Flash 同日发布,实测征集 — MajesticPuzzler · 2026-11-16
- 网友晒 Qwen 4 Max 生成珊瑚礁作品,模型名尚未官方发布 — intellectronica · 2026-11-16
- Devin 中现 stealth 模型 silicon-2,疑似 Anthropic 新模型 — kimmonismus · 2026-11-16