IXThinker·2026-06-11 18:10

智能體新基準面世，最強模型任務得分率不足一成

有研究指出，人工智能模型在棋類與主流基準測試屢創佳績，卻難以勝任真實、長流程的工作，問題並非能力不足，而在評估體系失效。由加州大學伯克利分校牽頭、逾250位專家參與，團隊提出新基準聚焦真實工作表現。

問題診斷

研究團隊認為，常用基準已無法持續衡量模型在真實、長流程且具經濟價值工作中的表現。模型縱使在考試式評測中屢破紀錄，也不等於能協助人類完成實際的專業任務。