BABA-Bench基准发布并评估14个前沿AI模型
热点事件持续更新
BABA-Bench基准发布并评估14个前沿AI模型
1 篇报道1 个报道来源1 小时前更新
先了解这件事
AI 综述
2026年11月2日，arXiv发表研究，团队发布BABA-Bench基准，包含47个交互世界，用于评估14个前沿大模型在患者倡导场景中的长程智能体能力。 该基准共进行1,974次运行，发现28%达成目标的路径无效。当提供验证路径后，模型通过率显著提升至91.5%和97.2%，反映现有模型在自主推理路径上的局限性。
AI 根据报道生成 · 59 分钟前更新
最新进展11月2日 13:00
BABA-Bench 评估长程患者倡导智能体报道时间线
沿着报道，了解事件的不同侧面。
11月2日
- arXiv · AIBABA-Bench 评估长程患者倡导智能体
BABA-Bench 发布，包含 47 个交互世界，用于评估 14 个前沿大模型在患者倡导场景中的能力。 基准共进行 1,974 次运行，发现 28% 达成结果的路径无效；提供验证路径后，模型通过率显著提升至 91.5% 和 97.2%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。