معيار موثوقية وكلاء الذكاء الاصطناعي ٢٠٢٦: ٦٥٪ مرة واحدة، ٢٥٪ دائماً
٢٦ أغسطس ٢٠٢٦
ThinkingBox هو معيار جديد لقياس موثوقية وكلاء AI: حقق أفضل نموذج نسبة نجاح 65.36% في pass@1 ولكن 25.25% فقط في pass^20 عبر 507 مهمة لوكلاء أعمال ذوي حالة (stateful).
ThinkingBox هو معيار جديد لقياس موثوقية وكلاء AI: حقق أفضل نموذج نسبة نجاح 65.36% في pass@1 ولكن 25.25% فقط في pass^20 عبر 507 مهمة لوكلاء أعمال ذوي حالة (stateful).