บทความและงานวิจัย

Berkeley RDI เปิดตัว基準 Agents' Last Exam

หัวข้อต้นฉบับ:Agents' Last Exam

สรุปโดย AI

ในเดือนมิถุนายน 2026 Berkeley RDI เปิดตัว基準 Agents' Last Exam (ALE) ซึ่งมีงานกว่า 1,500 รายการจากงานจริง ครอบคลุม 55 อาชีพที่ไม่ใช่งานใช้แรง การประเมินเอเจนต์แนวหน้าอย่าง Fable 5, GPT-5.5 และ Composer 2.5 พบว่าอัตราความสำเร็จในระดับยากที่สุดเป็น 0% ทั้งหมด ประสิทธิภาพโดยรวมใกล้เคียงกัน แต่ต้นทุนต่องานแตกต่างกันมาก (Fable 5 ประมาณ $15.70, GPT-5.5 ประมาณ $3.80, Composer 2.5 ประมาณ $1.33) ชุดย่อย ALE-CLI มีอัตราผ่านสูงสุดเพียง 25.2% รูปแบบความล้มเหลวหลักคือเอเจนต์ประกาศว่าเสร็จโดยไม่ตรวจสอบเอาต์พุต ชุดข้อมูล โค้ด และชุดย่อย CLI เปิดโอเพนซอร์สแล้ว

ข้อมูลสำคัญ

  • ในเดือนมิถุนายน 2026 Berkeley RDI เปิดตัว基準 Agents' Last Exam (ALE) ซึ่งมีงานกว่า 1,500 รายการจากงา…
  • 5 และ Composer 2.
  • 5 พบว่าอัตราความสำเร็จในระดับยากที่สุดเป็น 0% ทั้งหมด ประสิทธิภาพโดยรวมใกล้เคียงกัน…
  • 70,GPT-5.
  • 5 ประมาณ $3.

สรุปสั้น

เวลาเผยแพร่
เวลาอัปเดต
แหล่งที่มา
Berkeley RDI:Blog(AI 安全与评测)
หมวดหมู่
บทความและงานวิจัย
คะแนน AI
83
อ่านต้นฉบับ อ่านบทความฉบับเต็มที่แหล่งข่าวต้นฉบับ
เหตุผลที่แนะนำ

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。

แหล่งที่มาและลิขสิทธิ์

บทความนี้เรียบเรียงจากพาดหัวคัดสรรและบทสรุป AI จาก API สาธารณะของ AIHOT โดยระบุแหล่งที่มาและลิงก์กลับแล้ว ลิขสิทธิ์ต้นฉบับเป็นของสื่อและผู้เขียนต้นทาง เว็บไซต์นี้ไม่ได้สะท้อนเนื้อหาฉบับเต็ม

ลิงก์ต้นฉบับ · รายการ AIHOT

วิธีอ้างอิง

เมื่ออ้างอิงบทความนี้ โปรดระบุชื่อเรื่อง วันที่ และลิงก์ถาวร พร้อมระบุแหล่งที่มาเป็น Orange News

Orange News: Berkeley RDI เปิดตัว基準 Agents' Last Exam 15 มิถุนายน 2026 https://new.nat6.net/th/news/cmqfzukav0264slspmybg065u/

ดูทั้งหมด →