Steadyworks

新的Realtime-Bench揭示AI在低延迟任务方面存在不足

来自多所大学和公司的研究人员开发了一个名为Realtime-Bench的新基准，用于评估AI系统在低延迟、实时任务中的性能。该基准包含50个交互式网页和游戏任务，旨在测试时间状态感知、自适应审议和时间感知动作选择能力。包括OpenAI、Anthropic和Google在内的当前前沿模型在“挂钟”评估中的表现不佳，最高得分仅为36%，表明其处理时间敏感操作的能力存在显著局限。