从性能到实战，怎样才算是靠谱的 Agent 产品？

3、评估任务由对应领域的专家结合实际业务需求设定，[2-1]

① 研究者指出，

]article_adlist-->

② 评估还发现模型的尺寸并非影响其任务表现的决定性因素，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。前往「收件箱」查看完整解读