SemiAnalysis 发布名为 GDPx 的真实工作基准,把 AI 代理放入模拟知识工作环境中评测,涵盖芯片设计、生物学、量化交易、网络安全、法律等 11 个领域的 206 项任务,所有 AI 代理得分均不超过 12%。 The Decoder 报道称,外部难以完全核实该基准的任务难度与评分质量,且安全过滤机制会重塑排名。
AI 根据报道生成 · 52 分钟前更新
从第一份公开证据到最新进展的逐站路线;每一站都带着自己的证据和不确定性。
SemiAnalysis 发布 GDPx 基准,所有 AI 代理得分均不超过 12%
报道文字可能被事后修订,双时间视图是有界重建;层标签只决定阅读分组,不是层间因果。
不确定性标注指出需要核对原文的地方,不是已证实的因果。
沿着报道,了解事件的不同侧面。
本站收录于 11月6日 01:13
SemiAnalysis 推出名为 GDPx 的真实工作基准,将 AI 代理放入模拟知识工作环境,涵盖芯片设计、生物学、量化交易、网络安全和法律等 11 个领域的 206 项任务。
还没有足够的连续观测数据,暂不绘制趋势。
读者观点通过 GitHub Discussions 发布,发言需登录 GitHub;评论不等于已经核实的事实。