Pasukan dots Xiaohongshu lancar VibeLifeBench dan VibeSearchBench: tujuh model terkuat tiada yang lulus
Tajuk asal:把最强模型丢进真实生活一个月,没有一个及格
Ringkasan AI
Pasukan dots Xiaohongshu memperkenalkan dua penanda aras senario kehidupan iaitu VibeLifeBench dan VibeSearchBench; dalam ujian, tujuh model terkuat semasa tiada yang menyelesaikan isu kritikal seperti tempoh sah pasport pada titik masa yang betul, dengan skor tertinggi hanya 0.325 (Opus 5).
Maklumat penting
- Pasukan dots Xiaohongshu memperkenalkan dua penanda aras senario kehidupan iaitu VibeLifeBench dan…
- dalam ujian,tujuh model terkuat semasa tiada yang menyelesaikan isu kritikal seperti tempoh sah…
- 325 (Opus 5).
Sekilas pandang
- Diterbitkan pada
- Dikemas kini pada
- Sumber
- 公众号:小红书技术(dots.llm)
- Kategori
- Kertas penyelidikan
- Skor AI
- 78
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 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: Pasukan dots Xiaohongshu lancar VibeLifeBench dan VibeSearchBench: tujuh model terkuat tiada yang lulus. 31 Julai 2026. https://new.nat6.net/ms/news/cmsdu108a00u8rofzj55w3j8n/