Hugging Face meluncurkan Papan Peringkat Agen AI Terbuka (Open Agent Leaderboard)
Judul asli:The Open Agent Leaderboard
Ringkasan AI
Hugging Face merilis Papan Peringkat Agen AI Terbuka untuk membandingkan sistem agen secara utuh, bukan hanya model dasar, sekaligus melaporkan tingkat keberhasilan dan biaya per tugas. Papan peringkat ini menyatukan enam tolok ukur yang sudah ada (SWE-Bench Verified, BrowseComp+, AppWorld, tau2-Bench Airline & Retail, tau2-Bench Telecom), mencakup perbaikan kode, riset web, tugas pribadi, layanan pelanggan, dan dukungan teknis. Melalui protokol terpadu, setiap sistem agen terhubung ke semua tolok ukur dengan antarmuka yang sama. Hasilnya menunjukkan bahwa model yang sama dengan sistem agen berbeda menghasilkan skor dan biaya yang sangat berbeda. Kerangka Exgentic yang menyertainya digunakan untuk menjalankan dan mereproduksi evaluasi, dan makalah terkait dirilis sebagai sumber terbuka.
Poin utama
- Hugging Face merilis Papan Peringkat Agen AI Terbuka untuk membandingkan sistem agen secara…
- Papan peringkat ini menyatukan enam tolok ukur yang sudah ada (SWE-Bench…
- Melalui protokol terpadu,setiap sistem agen terhubung ke semua tolok ukur dengan antarmuka yang…
- Hasilnya menunjukkan bahwa model yang sama dengan sistem agen berbeda menghasilkan skor dan biaya…
- Kerangka Exgentic yang menyertainya digunakan untuk menjalankan dan mereproduksi evaluasi,dan…
Ringkasan cepat
- Waktu terbit
- Waktu diperbarui
- Sumber
- Hugging Face 社区博客(混合发现)
- Kategori
- Produk & Aplikasi
- Skor AI
- 64
以后选agent不能只看模型跑分了,这个榜单把整个系统拉出来比,成本、失败成本全摊开,做agent的可以立刻去查自己架构差在哪。
Entitas Terkait
Sumber dan hak cipta
Artikel ini disusun berdasarkan judul pilihan dan ringkasan AI dari API publik AIHOT, dengan sumber yang dicantumkan dan tautan balik; hak cipta konten asli milik media dan penulis aslinya, situs ini tidak menyalin artikel secara penuh.
Cara mengutip
Saat mengutip artikel ini, sertakan judul, tanggal, dan tautan permanen, serta cantumkan sumber Orange News.
Orange News: Hugging Face meluncurkan Papan Peringkat Agen AI Terbuka (Open Agent Leaderboard). 18 Mei 2026. https://new.nat6.net/id/news/cmpbbpl0f161tslnzxbl442c4/