PulseAugur
中
实时 08:56:45
实体 AstaBench E2E-Bench-Hard

AstaBench E2E-Bench-Hard

PulseAugur coverage of AstaBench E2E-Bench-Hard — every cluster mentioning AstaBench E2E-Bench-Hard across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条
  1. TOOL · CL_244879 ·

    求是引擎在 AstaBench 基准测试中完成率达到 10%

    一份新报告详细介绍了求是引擎自主代理在 AstaBench E2E-Bench-Hard 基准测试上的表现，该测试使用了 DeepSeek 的 deepseek-v4pro-preview 模型。该引擎在该基准测试上得分 0.816，每任务成本为 15.209 美元。虽然其 10% 的完整任务完成率超过了之前代理性能 7 个百分点，但在 40 个任务中满足了 82.1% 的必需评分项。评估强调了在重复运行、外部依赖和消融研究等方面的局…