Mercor已在Hugging Face上推出了APEX-Agents排行榜，用于评估开源模型。该基准测试评估模型执行通常由顾问、律师和银行家等专业人士处理的任务的能力。该排行榜旨在跟踪这些复杂、现实世界应用中的进展和性能。 AI
影响 为评估开源模型在专业领域的代理能力提供了一个新的基准。
排序理由 推出用于评估开源模型的新基准数据集和排行榜。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
Hugging Face推出APEX-Agents开源模型排行榜
报道来源 [1]
-
RT Mercor: APEX-Agents now has a @huggingface leaderboard for open-source models. APEX-Agents is our frontier benchmark for whether models can do the ...
RT Mercor<br />APEX-Agents now has a @huggingface leaderboard for open-source models.<br /><br />APEX-Agents is our frontier benchmark for whether models can do the real work of consultants, lawyers, and bankers.<br />https://huggingface.co/datasets/mercor/apex-agents<br /><br />…