PulseAugur
实时 14:41:22
实体 PeakBench

PeakBench

PulseAugur coverage of PeakBench — every cluster mentioning PeakBench 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_220096 ·

    新的PeakBench基准测试揭示AI代理因资源限制而执行失败

    引入了一个名为PeakBench的新基准测试,用于评估AI代理的执行能力,超越了简单的规划准确性。该基准测试表明,代理可以识别可并行化的任务,但由于执行期间的资源限制而仍然失败。PeakBench将评估分为逻辑规划和物理调度,揭示即使依赖关系图准确,模型在遵守资源限制方面仍然存在困难,导致崩溃。对包括GPT-5和DeepSeek-V4-Flash在内的八种不同模型的测试表明,它们在逻辑规划和物理调度方面的表现各不相同,GPT-5在逻辑…