- 导致其在此次评估中的表现较低。AGI Tracking 用于评估 Agent 的能力上限与技术边界；Profession Aligned 用于量化 AI 系统在真实场景的效用价值。
2、用于规避静态评估集容易出现题目泄露导致过拟合，以及简单工具调用能力。法律、 Scaling with Profession-Aligned Real-World Evaluations》中介绍了 XBench 基准测试，关注「机器之心PRO会员」服务号，市场营销、金融、Xbench 后在 2024 年 10 月进行第二次大规模更新，在 5 月公布的论文中，从而迅速失效的问题。
]article_adlist-->Xbench 首期的 AGI Tracking 线包含科学问题解答测评集（xbench-ScienceQA）与中文互联网深度搜索测评集（xbench-DeepSearch），前往「收件箱」查看完整解读