ผลิตภัณฑ์และแอป

PawBench: มอบไม้บรรทัดที่วัดได้ให้กับ Agent ทั่วไป

สรุปโดย AI

ห้องปฏิบัติการ Tongyi เปิดตัว PawBench v1.0 เกณฑ์การประเมินใหม่สำหรับสถานการณ์ผู้ช่วยส่วนตัวและ Agent ทั่วไป โดยนำโมเดลฐานและกรอบการทำงาน Harness มาอยู่ในระบบเดียวกันเพื่อประเมินแบบไขว้ เมทริกซ์การประเมินประกอบด้วย 9 โมเดลและ 3 Harness (Hermes, OpenClaw, QwenPaw) ครอบคลุมงานจริง 150 งาน รวม 4050 หน่วยทดสอบ ผลลัพธ์แสดงให้เห็นความแตกต่างอย่างมีนัยสำคัญระหว่าง QwenPaw (76.4 คะแนน), OpenClaw (75.4 คะแนน) และ Hermes (70.4 คะแนน) โดยสภาพแวดล้อม Harness มีอิทธิพลต่อประสิทธิภาพมากกว่าตัวโมเดลเอง PawBench ยังเปิดเผยช่องว่างสำคัญของ Harness ด้านการตรวจสอบผลลัพธ์ การค้นหา Skill เชิงรุก และความพร้อมใช้งานเริ่มต้นของการค้นหาเว็บผ่านการวิเคราะห์แบบแบ่งส่วน โครงการเปิดโอเพนซอร์สแล้ว

ข้อมูลสำคัญ

  • ห้องปฏิบัติการ Tongyi เปิดตัว PawBench v1.
  • 0 เกณฑ์การประเมินใหม่สำหรับสถานการณ์ผู้ช่วยส่วนตัวและ Agent ทั่วไป โดยนำโมเดลฐานและกรอบการทำงาน…
  • 4 คะแนน),OpenClaw (75.
  • 4 คะแนน) และ Hermes (70.
  • 4 คะแนน) โดยสภาพแวดล้อม Harness มีอิทธิพลต่อประสิทธิภาพมากกว่าตัวโมเดลเอง PawBench…

สรุปสั้น

เวลาเผยแพร่
เวลาอัปเดต
แหล่งที่มา
公众号:通义实验室(千问)
หมวดหมู่
ผลิตภัณฑ์และแอป
คะแนน AI
70
อ่านต้นฉบับ อ่านบทความฉบับเต็มที่แหล่งข่าวต้นฉบับ
เหตุผลที่แนะนำ

PawBench 把 Harness 从‘看不见的手’变成可诊断的变量,好 Harness 能让弱模型以下克上,这份评测对 Agent 框架开发者是一份必读的校验清单。

แหล่งที่มาและลิขสิทธิ์

บทความนี้เรียบเรียงจากพาดหัวคัดสรรและบทสรุป AI จาก API สาธารณะของ AIHOT โดยระบุแหล่งที่มาและลิงก์กลับแล้ว ลิขสิทธิ์ต้นฉบับเป็นของสื่อและผู้เขียนต้นทาง เว็บไซต์นี้ไม่ได้สะท้อนเนื้อหาฉบับเต็ม

ลิงก์ต้นฉบับ · รายการ AIHOT

วิธีอ้างอิง

เมื่ออ้างอิงบทความนี้ โปรดระบุชื่อเรื่อง วันที่ และลิงก์ถาวร พร้อมระบุแหล่งที่มาเป็น Orange News

Orange News: PawBench: มอบไม้บรรทัดที่วัดได้ให้กับ Agent ทั่วไป 5 มิถุนายน 2026 https://new.nat6.net/th/news/cmq2o71l001imsl6nw5cypu9a/

ดูทั้งหมด →