伯克利RDI发布Agents' Last Exam基准
原文标题:Agents' Last Exam
AI 摘要
2026年6月,伯克利RDI发布Agents’ Last Exam(ALE)基准,包含1,500余项源于真实工作的任务,覆盖55个非体力职业。对Fable 5、GPT-5.5、Composer 2.5等前沿智能体的测评显示:在最困难层级成功率均为0%;整体任务表现接近,但单任务成本差异巨大(Fable 5约$15.70,GPT-5.5约$3.80,Composer 2.5约$1.33)。CLI子集ALE-CLI最佳通过率仅25.2%。主要失败模式是智能体未验证输出即宣称完成。数据集、代码及CLI子集已开源。
关键信息
- 2026年6月,伯克利RDI发布Agents’ Last Exam(ALE)基准,包含1,500余项源于真实工作的任务,覆盖55个非体力职业。
- 对Fable 5、GPT-5.
- 5、Composer 2.
- 5等前沿智能体的测评显示:在最困难层级成功率均为0%
- 整体任务表现接近,但单任务成本差异巨大(Fable 5约$15.
速览
- 发布时间
- 更新时间
- 分类
- 论文与研究
- AI 评分
- 83
推荐理由
在Fable 5发布后,Berkeley的ALE基准首次大规模量化了agent在专业任务上的真实水平,最难任务0%成功率的结果值得所有押注agent落地的团队冷静下来。
来源与版权
本文基于 AIHOT 公开 API 的精选标题与 AI 摘要整理,已注明来源并回链;原文版权归原媒体与作者所有,本站不镜像全文。
如何引用
引用本文时请保留标题、日期与永久链接,并注明来源为橙子新闻。
橙子新闻:伯克利RDI发布Agents' Last Exam基准。2026年6月15日。https://new.nat6.net/news/cmqfzukav0264slspmybg065u/