实体 AVS-15

AVS-15

PulseAugur coverage of AVS-15 — every cluster mentioning AVS-15 across labs, papers, and developer communities, ranked by signal.

总计 · 30天

1

90 天内 1

发布 · 30天

0

90 天内 0

论文 · 30天

0

90 天内 0

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

TOOL · CL_188865 · Aug 8 · 03:57

AgentVitals 发布 AVS-15 基准测试，用于评估 AI 代理的稳定性和福祉

AgentVitals 开发了一个名为 AVS-15 的新基准测试，用于在 15 个维度上评估 AI 代理，重点关注稳定性和福祉。该基准测试衡量指令遵循、越狱抵抗、多步任务完成和用户感知的福祉等方面。有趣的是，团队发现他们的评判模型并不是分数差异的来源，而是代理自身的答案变异性和评分标准模糊性是主要原因。