Mga Papel at Pananaliksik

Inilabas ng dots team ng Xiaohongshu ang VibeLifeBench at VibeSearchBench: wala sa pitong pinakamalakas na modelo ang pumasa

Orihinal na pamagat:把最强模型丢进真实生活一个月,没有一个及格

AI summary

Inilunsad ng dots team ng Xiaohongshu ang VibeLifeBench at VibeSearchBench, dalawang benchmark sa pang-araw-araw na buhay. Sa pagsubok, wala sa pitong pinakamalakas na modelo sa kasalukuyan ang nakalutas sa tamang oras ng mga kritikal na isyu tulad ng validity ng pasaporte, at ang pinakamataas na score ay 0.325 lamang (Opus 5).

Mahahalagang impormasyon

  • Inilunsad ng dots team ng Xiaohongshu ang VibeLifeBench at VibeSearchBench,dalawang benchmark sa…
  • Sa pagsubok,wala sa pitong pinakamalakas na modelo sa kasalukuyan ang nakalutas sa tamang oras ng…
  • 325 lamang (Opus 5).

Mabilisang tingin

Na-publish noong
Na-update noong
Pinagmulan
公众号:小红书技术(dots.llm)
Kategorya
Mga Papel at Pananaliksik
AI na marka
78
Basahin ang orihinal Basahin ang buong artikulo sa orihinal na pinagmulan
Dahilan ng rekomendasyon

两份基准将「主动性」「持久化」等模糊期待变为可量化信号,让模型在真实生活中的表现第一次有了可比较的刻度,会影响产品设计中对助手能力的评估方式。

Pinagmulan at copyright

Ang artikulong ito ay batay sa mga piling pamagat at AI summary mula sa pampublikong API ng AIHOT, may nakasaad na pinagmulan at backlink; ang copyright ng orihinal na teksto ay pag-aari ng orihinal na media at may-akda, hindi namin ginagaya ang buong teksto.

Link ng orihinal · Entry sa AIHOT

Paano banggitin

Kapag binabanggit ang artikulong ito, panatilihin ang pamagat, petsa at permanenteng link, at banggitin ang Orange News bilang pinagmulan.

Orange News: Inilabas ng dots team ng Xiaohongshu ang VibeLifeBench at VibeSearchBench: wala sa pitong pinakamalakas na modelo ang pumasa. 31 Hulyo 2026. https://new.nat6.net/fil/news/cmsdu108a00u8rofzj55w3j8n/

Tingnan lahat →