Xiaohongshu dots टीम ने VibeLifeBench और VibeSearchBench जारी किए: सात शीर्ष मॉडल असफल
मूल शीर्षक:把最强模型丢进真实生活一个月,没有一个及格
AI सारांश
Xiaohongshu की dots टीम ने दो लाइफ-सीन बेंचमार्क, VibeLifeBench और VibeSearchBench लॉन्च किए। परीक्षणों में, वर्तमान के सात सबसे शक्तिशाली मॉडल में से कोई भी पासपोर्ट समाप्ति तिथि जैसे प्रमुख प्रश्नों को सही समय पर हल नहीं कर सका, जिसमें उच्चतम स्कोर केवल 0.325 (Opus 5) रहा।
मुख्य जानकारी
- Xiaohongshu की dots टीम ने दो लाइफ-सीन बेंचमार्क,VibeLifeBench और VibeSearchBench लॉन्च किए।…
- जिसमें उच्चतम स्कोर केवल 0.
- 325 (Opus 5) रहा।
एक नज़र में
- प्रकाशन समय
- अपडेट समय
- स्रोत
- 公众号:小红书技术(dots.llm)
- श्रेणी
- पेपर और शोध
- AI स्कोर
- 78
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。
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: Xiaohongshu dots टीम ने VibeLifeBench और VibeSearchBench जारी किए: सात शीर्ष मॉडल असफल। 31 जुलाई 2026। https://new.nat6.net/hi/news/cmsdu108a00u8rofzj55w3j8n/