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
- カテゴリ
- 論文・研究
- AI スコア
- 78
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。
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/