Berkeley RDI ने Agents' Last Exam बेंचमार्क जारी किया
मूल शीर्षक:Agents' Last Exam
AI सारांश
जून 2026 में Berkeley RDI ने Agents' Last Exam (ALE) बेंचमार्क जारी किया, जिसमें वास्तविक कार्यों से लिए गए 1,500 से अधिक कार्य शामिल हैं और 55 गैर-शारीरिक व्यवसायों को कवर किया गया है। Fable 5, GPT-5.5, Composer 2.5 जैसे अग्रणी एजेंटों के मूल्यांकन से पता चला: सबसे कठिन स्तर पर सफलता दर सभी की 0% थी; समग्र कार्य प्रदर्शन करीब था, लेकिन प्रति कार्य लागत में भारी अंतर था (Fable 5 लगभग $15.70, GPT-5.5 लगभग $3.80, Composer 2.5 लगभग $1.33)। CLI सबसेट ALE-CLI की सर्वोत्तम पास दर केवल 25.2% थी। मुख्य विफलता模式 यह थी कि एजेंट आउटपुट सत्यापित किए बिना पूर्णता का दावा कर देते हैं। डेटासेट, कोड और CLI सबसेट ओपन-सोर्स कर दिए गए हैं।
मुख्य जानकारी
- जून 2026 में Berkeley RDI ने Agents' Last Exam (ALE) बेंचमार्क जारी किया,जिसमें वास्तविक कार्यों…
- 5,Composer 2.
- 5 जैसे अग्रणी एजेंटों के मूल्यांकन से पता चला: सबसे कठिन स्तर पर सफलता दर सभी की 0% थी
- समग्र कार्य प्रदर्शन करीब था,लेकिन प्रति कार्य लागत में भारी अंतर था (Fable 5 लगभग $15.
- 70,GPT-5.
एक नज़र में
- प्रकाशन समय
- अपडेट समय
- श्रेणी
- पेपर और शोध
- AI स्कोर
- 83
在Fable 5发布后,Berkeley的ALE基准首次大规模量化了agent在专业任务上的真实水平,最难任务0%成功率的结果值得所有押注agent落地的团队冷静下来。
स्रोत और कॉपीराइट
यह लेख AIHOT के सार्वजनिक API की चयनित सुर्खियों और AI सारांशों के आधार पर तैयार किया गया है, स्रोत का उल्लेख और लिंक दिया गया है; मूल पाठ का कॉपीराइट मूल मीडिया और लेखक के पास है, यह साइट पूरा पाठ मिरर नहीं करती।
उद्धरण कैसे दें
इस लेख का उद्धरण देते समय शीर्षक, तिथि और स्थायी लिंक बनाए रखें और स्रोत Orange News बताएं।
Orange News: Berkeley RDI ने Agents' Last Exam बेंचमार्क जारी किया। 15 जून 2026। https://new.nat6.net/hi/news/cmqfzukav0264slspmybg065u/