Kaggle Benchmarks 支援本地開發 共建萬項評測

傳統基準難以為繼

隨著AI模型由簡單的聊天機械人，演進為能夠編寫代碼、調用工具、求解複雜問題的推理代理，傳統的基準測試已經難以反映其真實能力。

基準與能力之間的持續落差，令評估體系的更新速度成為產業發展的隱性瓶頸，業界迫切需要更動態、更貼近真實用戶需求的測試任務。