IXThinker·2025-05-27 17:10紅杉中國推出Agent基準xbench 雙軌評真實力
紅杉中國開放內部用於AI與Agent基準測試的工具xbench，並發布同名論文。工具採用雙軌評估體系，構建多維度測評數據集，同時追蹤AI系統的理論能力上限與Agent的實際落地價值。
雙軌體系
xbench將評測任務分為兩條互補主線：一條評估AI系統的能力上限與技術邊界，另一條聚焦Agent在真實業務中的落地價值。雙軌並行，令評測結果既有理論高度，亦貼近實戰。
IXThinker 會員內容
呢篇係 Archive 內容。登入即可解鎖全文，仲有成個 15,000+ 篇、每日更新嘅 AI 動態資料庫。
免費登入／註冊解鎖全文 →Google 或電郵地址即可，即刻解鎖。