…
Deepnote 新基准:测 Agent 该不该开口插手。
Deepnote 新基准:测 Agent 该不该开口插手。
Deepnote 发布 Agent Initiative Benchmark:搭了一家虚拟公司 PageMantle,把 12 个前沿模型放进同样的办公情景,看它们会不会在该出手时开口、也会不会在不该插嘴时闭嘴。一共 50 道题,说明、工具和时限都一样,测的是「主动性」而不只是答题正确率。
4
请先 登录 后再评论