Arena lancar Agent Arena, papan pendahulu ejen AI dunia sebenar
Tajuk asal:Arena just released a real-world agent leaderboard that ranks AI models by how well they complete ac...
Ringkasan AI
Arena memperkenalkan papan pendahulu ejen berdasarkan tugas pengguna sebenar, menilai prestasi model dalam penulisan kod, pembinaan aplikasi, analisis dokumen dan lain-lain, bukan penanda aras terpencil. Papan pendahulu ini berdasarkan lebih 300,000 tugas, lebih 2 juta panggilan alat dan 40 juta baris kod, menggabungkan isyarat seperti kejayaan tugas, pematuhan pembetulan, pemulihan ralat, pujian dan aduan pengguna, serta halusinasi alat. Tiga teratas: GPT-5.5 High (+10.7%), Claude Opus 4.7 Thinking (+9.5%), GPT-5.4 High (+8.9%).
Maklumat penting
- Arena memperkenalkan papan pendahulu ejen berdasarkan tugas pengguna sebenar,menilai prestasi…
- Papan pendahulu ini berdasarkan lebih 300,000 tugas,lebih 2 juta panggilan alat dan 40 juta baris…
- Tiga teratas: GPT-5.
- 5 High (+10.
- 7%),Claude Opus 4.
Sekilas pandang
- Diterbitkan pada
- Dikemas kini pada
- Sumber
- X:Rohan Paul (@rohanpaul_ai)
- Kategori
- Kertas penyelidikan
- Skor AI
- 76
Arena 跳出了刷榜逻辑,用真实用户的多轮交互来评估 Agent,这比任何 toy benchmark 都更有说服力,选模型做 Agent 应用的可以把它当新指南。
Entiti Berkaitan
Sumber dan hak cipta
Artikel ini disusun berdasarkan tajuk pilihan dan ringkasan AI daripada API awam AIHOT, dengan sumber dinyatakan dan pautan balik disediakan; hak cipta teks asal milik media dan penulis asal, laman ini tidak menyalin penuh teks penuh.
Cara memetik
Apabila memetik artikel ini, kekalkan tajuk, tarikh dan pautan kekal, serta nyatakan sumber sebagai Orange News.
Orange News: Arena lancar Agent Arena, papan pendahulu ejen AI dunia sebenar. 6 Jun 2026. https://new.nat6.net/ms/news/cmq1hy4wt0fyrsltrxx64boz8/