論文・研究

小紅書dotsチームがVibeLifeBenchとVibeSearchBenchを発表:最強7モデルが全滅

原題:把最强模型丢进真实生活一个月,没有一个及格

AI 要約

小紅書のdotsチームは生活シーン向けの評価ベンチマークVibeLifeBenchとVibeSearchBenchを発表した。テストでは現在最強の7モデルのいずれも、パスポート有効期限などの重要問題を正しいタイミングで解決できず、最高スコアはわずか0.325(Opus 5)だった。

要点

  • 小紅書のdotsチームは生活シーン向けの評価ベンチマークVibeLifeBenchとVibeSearchBenchを発表した。
  • テストでは現在最強の7モデルのいずれも、パスポート有効期限などの重要問題を正しいタイミングで解決できず、最高スコアはわずか0.
  • 325(Opus 5)だった

概要

公開日時
更新日時
出典
公众号:小红书技术(dots.llm)
カテゴリ
論文・研究
AI スコア
78
原文を読む 情報源で全文を読む
おすすめの理由

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。

出典と著作権

本記事は AIHOT の公開 API が提供する厳選タイトルと AI 要約に基づいており、出典の明記と元記事へのリンクを行っています。原文の著作権は元の媒体と著者に帰属し、当サイトは全文を転載しません。

原文記事 · AIHOT 記事

引用方法

本記事を引用する際は、タイトル・日付・パーマリンクを保持し、出典をOrange Newsと明記してください。

Orange News:小紅書dotsチームがVibeLifeBenchとVibeSearchBenchを発表:最強7モデルが全滅。2026年7月31日。https://new.nat6.net/ja/news/cmsdu108a00u8rofzj55w3j8n/

すべて見る →