SemiAnalysis 发布通用智能体能力基准 GDPx

SemiAnalysis 推出了旨在衡量前沿智能体在各重要领域能力的基准测试 GDPx，测试结果显示目前表现最好的模型也仅获得 12% 的得分。 该基准联合了多个专业领域的 RL 环境初创公司，涵盖芯片设计、网络安全、生物学、金融、法律等高价值场景，旨在替代在任务设计上脱离实际复杂环境的 GDPval。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。