北京
分享至
红杉认为，随着大语言模型的快速发展和AI Agent 进入规模化应用阶段，被广泛使用的基准测试面临一个日益尖锐的问题：第三方基准并不能完全客观反映 AI 的能力。
于是他们在今天推出一款AI 基准测试工具 xbench。
xbench 采用双轨评估体系，将 AI 评测任务分为两条互补的主线：（1）评估 AI 系统的能力上限与技术边界；（2）量化 AI 系统在真实场景的效用价值（Utility Value）。红杉中国称，xbench 会重点量化 AI 系统在真实场景的效用价值，捕捉 Agent 产品的关键突破。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
