实体
Harvey LAB-AA
Harvey LAB-AA
PulseAugur coverage of Harvey LAB-AA — every cluster mentioning Harvey LAB-AA across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
时间线
- 2026-07-21 research_milestone Artificial Analysis released results for the Harvey LAB-AA benchmark, evaluating AI agents on legal tasks. 来源
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
研究发现AI基准测试忽略了关键的沟通技能
一项最新研究分析了包括人工智能分析智能指数在内的21项AI基准测试，以确定它们与美国劳工部O*NET数据库定义的实际工作活动有多大程度的匹配。研究发现，智能指数仅侧重于41项O*NET工作活动中的三项，主要关注诸如使用计算机和解决问题等任务。在所有21项评估的基准测试中，仅覆盖了41项O*NET活动中的13项，这暴露了在评估关键人际交往技能（如与主管和同事的沟通）方面存在重大差距，而这些技能在大多数职业中都至关重要。
-
Kimi k3 在法律任务上优于 Fable 5.1
Kimi k3 模型在复杂的法律任务上表现出卓越的性能，在 Harvey LAB-AA 具有挑战性的自主法律基准测试中，得分比 Fable 5.1 高出 60%。这一成就凸显了 Kimi k3 在理解和执行复杂法律推理方面的先进能力。
-
Kimi K3 以 94.6% 的通过率领跑 Harvey 法律代理基准
Artificial Analysis 发布了其 Harvey LAB-AA 基准测试的结果，该测试使用 Stirrup 代理实现了 Harvey 法律代理基准 (LAB)。评估使用了 Harvey 数据集，该数据集包含 24 个法律领域的 120 个私有任务，以评估按标准划分的通过率和总体通过率。Kimi K3 取得了最高分 94.6%，其次是 Claude Fable 5 的 93.6% 和 Muse Spark 1.1 的 93…