AgentIF-OneDay 发布，评估全场景长时复杂任务
AgentIF-OneDay 发布，评估全场景长时复杂任务随着大模型在单点推理上日益逼近 PhD 水平，Agent 领域迎来了新的分水岭：短程任务表现惊艳，长程任务却显乏力。为精准评估大模型的多模态理解与复杂问题解决能力，红杉中国在两周内连续发布两篇论文，旨在通过构建更科学的评估基准，预判技术演进的未来方向。
来自主题: AI技术研报
8827 点击 2026-01-22 10:06
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT