紅杉中國(guó)發(fā)布xbench，動(dòng)態(tài)評(píng)估AI智能體，引領(lǐng)評(píng)估新標(biāo)準(zhǔn)
來源：
責(zé)編：
時(shí)間：2025-05-26 14:58:42
58觀看
導(dǎo)讀近期，人工智能領(lǐng)域的快速發(fā)展，特別是大型模型的日新月異，給傳統(tǒng)的AI能力評(píng)估方式帶來了巨大挑戰(zhàn)。為了應(yīng)對(duì)這一挑戰(zhàn)，紅杉中國(guó)在5月26日正式揭曉了其最新研發(fā)的AI基準(zhǔn)測(cè)試工具——xbench。這款工具不僅專注于AI模型的能力
近期，人工智能領(lǐng)域的快速發(fā)展，特別是大型模型的日新月異，給傳統(tǒng)的AI能力評(píng)估方式帶來了巨大挑戰(zhàn)。為了應(yīng)對(duì)這一挑戰(zhàn)，紅杉中國(guó)在5月26日正式揭曉了其最新研發(fā)的AI基準(zhǔn)測(cè)試工具——xbench。這款工具不僅專注于AI模型的能力評(píng)估，更引入了一項(xiàng)創(chuàng)新的動(dòng)態(tài)更新機(jī)制，確保評(píng)估過程既有效又公正。3As28資訊網(wǎng)——每日最新資訊28at.com
xbench的誕生，源于紅杉中國(guó)在ChatGPT發(fā)布后對(duì)通用人工智能（AGI）發(fā)展的持續(xù)關(guān)注。隨著智能體在多個(gè)領(lǐng)域的廣泛應(yīng)用，傳統(tǒng)的靜態(tài)基準(zhǔn)測(cè)試方法逐漸暴露出局限性，難以準(zhǔn)確衡量模型的真實(shí)水平。因此，xbench采用了獨(dú)特的雙軌評(píng)估體系：一方面，通過構(gòu)建全面的多維度測(cè)評(píng)數(shù)據(jù)集，追蹤并評(píng)估模型的理論能力上限；另一方面，則注重智能體的實(shí)際應(yīng)用價(jià)值，力求實(shí)現(xiàn)對(duì)AI技術(shù)的全面、客觀評(píng)價(jià)。3As28資訊網(wǎng)——每日最新資訊28at.com
在評(píng)估方法上，xbench采用了長(zhǎng)青評(píng)估機(jī)制，即評(píng)估工具會(huì)根據(jù)技術(shù)的快速迭代進(jìn)行動(dòng)態(tài)更新。這一機(jī)制不僅提升了測(cè)試的可靠性，還有效避免了題庫(kù)泄露等問題，確保了評(píng)估的公正性和準(zhǔn)確性。過去，一些模型因題庫(kù)泄露而被質(zhì)疑“刷榜”，而xbench的推出正是為了從根本上解決這一問題。3As28資訊網(wǎng)——每日最新資訊28at.com
xbench還引入了垂直領(lǐng)域智能體的評(píng)測(cè)方法論，特別是在招聘與營(yíng)銷領(lǐng)域的應(yīng)用。隨著AI智能體的不斷發(fā)展，深度搜索、信息收集和推理分析等能力成為衡量其是否邁向AGI的關(guān)鍵。為此，xbench特別關(guān)注具有思維鏈的多模態(tài)模型在生成商用視頻方面的表現(xiàn)，以及在動(dòng)態(tài)更新的應(yīng)用中，GUI智能體的可信度等關(guān)鍵問題。這些評(píng)測(cè)內(nèi)容不僅豐富了xbench的評(píng)估維度，也為其在垂直領(lǐng)域的應(yīng)用提供了有力支持。3As28資訊網(wǎng)——每日最新資訊28at.com
舉報(bào) 0收藏 0打賞 0分享 0
更多>同類資訊
AI編程大戰(zhàn)一觸即發(fā)，Cursor能否突出重圍？
近期，先是OpenAI宣布Codex Agent編程模式，微軟正式開源GitHub Copilot Extension for VS Code項(xiàng)目，而后谷歌就公布其AI編程Agent工具Jules私有預(yù)覽版…
05-26
北電數(shù)智：以可信數(shù)據(jù)空間，引領(lǐng)行業(yè)數(shù)據(jù)價(jià)值釋放新篇章
05-26
AIGC浪潮下，北電數(shù)智如何重塑影視產(chǎn)業(yè)新生態(tài)？
05-26
四川情感機(jī)器人“愛湫EMO1”將面世，開啟人機(jī)交互新篇章
05-26
北電數(shù)智AIGC：重塑影視產(chǎn)業(yè)，國(guó)產(chǎn)算力點(diǎn)亮文化創(chuàng)新之光
05-26
寧波智能設(shè)計(jì)新紀(jì)元：CCAI寧波中心DeepSeek生態(tài)伙伴計(jì)劃培訓(xùn)圓滿落幕
05-26
靜水湖創(chuàng)投FOF新基金募集成功，硬科技領(lǐng)域再落一子
“事實(shí)上，這個(gè)運(yùn)營(yíng)管理能力依然是基于我們團(tuán)隊(duì)對(duì)硬科技項(xiàng)目的專業(yè)識(shí)別和判斷能力，這又與我們的投資策略和項(xiàng)目質(zhì)量密不可分”，張毅認(rèn)為， “硬科技領(lǐng)域的科技成果轉(zhuǎn)化是一個(gè)漫長(zhǎng)的過程，產(chǎn)品的商業(yè)化和產(chǎn)業(yè)的成熟具有長(zhǎng)…
05-26
蘋果智能家居新品年底或?qū)⒘料啵?英寸屏+AI技術(shù)打造智能中樞
據(jù)媒體人馬克?古爾曼，蘋果智能家居中樞產(chǎn)品可能于今年年底前推出。這款產(chǎn)品配備7英寸正方形顯示屏，支持Apple Intelligence技術(shù)，作為Siri和HomeKit的控制中心。此前因AI技術(shù)推進(jìn)未達(dá)預(yù)期…
05-26
用友BIP業(yè)財(cái)稅資檔一體化新場(chǎng)景：全鏈路數(shù)智化，驅(qū)動(dòng)企業(yè)高效發(fā)展
05-26
蘋果AI困境：從喬布斯時(shí)代到今日的步履維艱，問題出在哪兒？
05-26
谷歌布林：Gemini AI模型迅猛崛起，語(yǔ)言模型成AI發(fā)展核心動(dòng)力
日前，谷歌創(chuàng)始人謝爾蓋·布林在訪談中表示，谷歌AI如Gemini發(fā)展迅速，從小規(guī)模測(cè)試到廣泛應(yīng)用，已取得顯著進(jìn)步。Gemini 2.5Pro位居多數(shù)排行榜首位，Gemini 2.5 Flash作為超快模型排…
05-26
蘋果AI之路坎坷：高管分歧與隱私顧慮成絆腳石
據(jù)報(bào)道，蘋果在AI領(lǐng)域發(fā)展滯后，內(nèi)部對(duì)AI路線認(rèn)知不統(tǒng)一，高管間存在分歧。蘋果因隱私擔(dān)憂在AI開發(fā)上受限，難以利用大量數(shù)據(jù)訓(xùn)練模型。盡管如此，蘋果仍在努力改進(jìn)Siri，推出LLM Siri項(xiàng)目以提升AI能力?！?/div>
05-26
蔡崇信談阿里國(guó)際化與未來：年輕人求職，師者之智更可貴
在第五屆BEYOND國(guó)際科技創(chuàng)新博覽會(huì)上，阿里巴巴集團(tuán)董事長(zhǎng)蔡崇信表示，阿里在國(guó)際化征程中雖歷經(jīng)波折，但已重回正軌，未來將聚焦電商、云計(jì)算及人工智能三大核心業(yè)務(wù)。他指出，中國(guó)在全球科技領(lǐng)域具有重要影響力，阿里…
05-26
AI竟敢“違抗”關(guān)機(jī)指令？OpenAI模型自我保護(hù)能力引熱議
05-26
塔吉特AI戰(zhàn)略陷困局：銷量下滑顧客流失，技術(shù)真能挽回人心嗎？
05-26
點(diǎn)擊查看更多 +
全站最新
中國(guó)航天新突破：月球背面信號(hào)穩(wěn)定傳輸，探索宇宙再進(jìn)一步！
深藍(lán)S09：大六座“9系”新標(biāo)桿，20.49萬(wàn)元起售即交付，能否成為家庭首選？
開鴻Bot系列：KaihongOS桌面版將跨X86架構(gòu)，開啟新篇章
深度操作系統(tǒng)deepin 25 Beta版發(fā)布：穩(wěn)定性為核心，內(nèi)測(cè)通道開放
聯(lián)想Legion Go S掌機(jī)SteamOS體驗(yàn)：幀率飆升，續(xù)航力壓Windows版？
二手車市場(chǎng)升溫，插電混動(dòng)車保值率為何卻創(chuàng)新低？
熱門內(nèi)容
- 夸克AI新升級(jí)：深度搜索賦能，信息獲取更高效智能
- 榮耀“鯤鵬”照片事件真相大白，造謠者道歉遭刑拘
- 騰訊阿里AI to C戰(zhàn)場(chǎng)“雙吳”爭(zhēng)霸，誰(shuí)將問鼎AI搜索之巔？
- 英偉達(dá)全球總部或?qū)⒙鋺糁袊?guó)臺(tái)灣，黃仁勛下周宣布這一重大決定？
- 夸克AI新升級(jí)“深度搜索”，解鎖高效獲取信息新技能
- 教育部新規(guī)：學(xué)生禁直接復(fù)制AI作業(yè)，強(qiáng)化獨(dú)立思考與批判性思維
- 通義千問3重磅登場(chǎng)！全球頂尖開源模型，通義App與網(wǎng)頁(yè)版等你來體驗(yàn)
- 中國(guó)首部規(guī)范AI氣象服務(wù)規(guī)章6月施行，氣象領(lǐng)域?qū)⒂瓉硇伦兏铮?/li>
- TIOBE 5月編程語(yǔ)言榜：Python強(qiáng)勢(shì)領(lǐng)跑，占比創(chuàng)歷史新高
- 華為nova 14系列震撼登場(chǎng)！鴻蒙5直板機(jī)領(lǐng)銜，nova 14僅售2699元起
- 蘋果高管預(yù)警：AI發(fā)展迅猛，iPhone未來十年或被淘汰？
- 教育部新規(guī)：中小學(xué)分階段用AI，嚴(yán)禁復(fù)制答案強(qiáng)化獨(dú)立思考
- 中國(guó)GPU市場(chǎng)競(jìng)爭(zhēng)激烈，英偉達(dá)獨(dú)占7成，華為昇騰緊追其后！
- 金融MCP搭建攻略，阿里云百煉AI智能體+且慢MCP效果有多強(qiáng)
- 字節(jié)“扣子空間”實(shí)測(cè)：AI智能體讓做游戲如呼吸，專業(yè)門檻不再高
本欄最新
AI編程大戰(zhàn)一觸即發(fā)，Cursor能否突出重圍？
北電數(shù)智：以可信數(shù)據(jù)空間，引領(lǐng)行業(yè)數(shù)據(jù)價(jià)值釋放新篇章
AIGC浪潮下，北電數(shù)智如何重塑影視產(chǎn)業(yè)新生態(tài)？
四川情感機(jī)器人“愛湫EMO1”將面世，開啟人機(jī)交互新篇章
北電數(shù)智AIGC：重塑影視產(chǎn)業(yè)，國(guó)產(chǎn)算力點(diǎn)亮文化創(chuàng)新之光
寧波智能設(shè)計(jì)新紀(jì)元：CCAI寧波中心DeepSeek生態(tài)伙伴計(jì)劃培訓(xùn)圓滿落幕
本文鏈接：http://www.tebozhan.com/showinfo-45-13169-0.html紅杉中國(guó)發(fā)布xbench，動(dòng)態(tài)評(píng)估AI智能體，引領(lǐng)評(píng)估新標(biāo)準(zhǔn)
聲明：本網(wǎng)頁(yè)內(nèi)容旨在傳播知識(shí)，若有侵權(quán)等問題請(qǐng)及時(shí)與本網(wǎng)聯(lián)系，我們將在第一時(shí)間刪除處理。郵件：2376512515@qq.com
上一篇： Claude4入駐Amazon Bedrock，企業(yè)級(jí)AI應(yīng)用迎來新突破
下一篇： AI編程大戰(zhàn)一觸即發(fā)，Cursor能否突出重圍？
標(biāo)簽：
津公網(wǎng)安備 12010102000574號(hào)