摘要
新增 Decision Index 基准,删除 FrontierCode 1.1 和 GDPval-AA 相关内容,表明行业基准从代码能力转向决策能力评估。
LLM 生成LLM 摘要为机器生成,重要信息请回原文核对。
永久链接
https://daily.maas.click/item/obs_ab4b50884ad9ba75b70844fdf48359cf9eeb7f694612dfcea42c779c7db99b25/新增 Decision Index 基准,删除 FrontierCode 1.1 和 GDPval-AA 相关内容,表明行业基准从代码能力转向决策能力评估。
LLM 生成LLM 摘要为机器生成,重要信息请回原文核对。
https://daily.maas.click/item/obs_ab4b50884ad9ba75b70844fdf48359cf9eeb7f694612dfcea42c779c7db99b25/