PulseAugur
中
实时 22:10:07
实体 AGI-Eval-Official

AGI-Eval-Official

PulseAugur coverage of AGI-Eval-Official — every cluster mentioning AGI-Eval-Official across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
0
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 1
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 1 条
  1. TOOL · CL_104629 ·

    新的DailyReport基准评估搜索代理在实际任务中的表现

    研究人员推出了一款名为DailyReport的新型开放式基准，旨在评估搜索代理在日常信息检索任务中的能力。该基准包含150个任务和3,546个评分标准，旨在提供比以往的专业基准更细致、更易于理解的评估。使用DailyReport对17种不同代理系统进行的初步结果表明，当前的搜索代理尚未达到用户期望。