实体
BankerToolBench
BankerToolBench
PulseAugur coverage of BankerToolBench — every cluster mentioning BankerToolBench 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 2 条
-
MiniMax 发布 428B M3.1 Flash MoE 模型，支持 1M 上下文
MiniMax 发布了其 M3.1 Flash 模型，这是一个拥有 428B 参数的混合专家（MoE）模型，上下文窗口为 100 万 token。该模型可通过 MiniMax API 访问，专为智能体任务、编码和视觉推理而设计。MiniMax 报告称，在智能体基准测试中表现强劲，在 Automation-Bench v1.0.6 等任务上超越了 GPT 5.6 "Sol" 和 Opus 5 等模型。然而，其编码性能表现不一，部分基准测…
-
GPT-5.4 和 Claude Opus 4.6 在银行业基准测试中失败，客户就绪输出得分为 0%
一项名为 BankerToolBench 的新基准测试揭示了当前大型语言模型在应用于金融任务时存在的显著缺陷。GPT-5.4、Claude Opus 4.6 及其他模型在模拟初级投资银行业务方面接受了测试。尽管 GPT-5.4 显示出最大的潜力，但没有一个模型产生的输出被认为是客户就绪的，这表明人工智能能力与现实世界金融应用需求之间存在巨大差距。