Makalah & Riset

Tim dots Xiaohongshu merilis VibeLifeBench dan VibeSearchBench: tujuh model terkuat tidak ada yang lulus

Judul asli:把最强模型丢进真实生活一个月,没有一个及格

Ringkasan AI

Tim dots Xiaohongshu meluncurkan dua tolok ukur skenario kehidupan, VibeLifeBench dan VibeSearchBench; dalam pengujian, tujuh model terkuat saat ini tidak ada yang menyelesaikan masalah kunci seperti masa berlaku paspor pada waktu yang tepat, dengan skor tertinggi hanya 0,325 (Opus 5).

Poin utama

  • Tim dots Xiaohongshu meluncurkan dua tolok ukur skenario kehidupan,VibeLifeBench dan VibeSearchBench
  • dalam pengujian,tujuh model terkuat saat ini tidak ada yang menyelesaikan masalah kunci seperti…
  • dengan skor tertinggi hanya 0,325 (Opus 5).

Ringkasan cepat

Waktu terbit
Waktu diperbarui
Sumber
公众号:小红书技术(dots.llm)
Kategori
Makalah & Riset
Skor AI
78
Baca aslinya Baca artikel lengkap di sumber aslinya
Alasan rekomendasi

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。

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.

Tautan asli · Entri AIHOT

Cara mengutip

Saat mengutip artikel ini, sertakan judul, tanggal, dan tautan permanen, serta cantumkan sumber Orange News.

Orange News: Tim dots Xiaohongshu merilis VibeLifeBench dan VibeSearchBench: tujuh model terkuat tidak ada yang lulus. 31 Juli 2026. https://new.nat6.net/id/news/cmsdu108a00u8rofzj55w3j8n/

Lihat semua →