创建

登录 ReadmeX

或

了解我们如何处理你的信息: 隐私政策

ReadmeX

陪你读懂 AI 动态

今天,想先了解什么?

选一份动态总结,或直接聊聊你的问题。

社区和关注动态总结只属于你自己。

资讯

谷歌推出 Android Bench 2.0

AI 总结

谷歌发布 Android Bench 2.0,加入长周期任务、基于智能体的评估和连续评分,用于测试复杂的 Android 开发工作。首批长周期任务涵盖依赖升级、新功能、应用创建和跨平台转换,工程师可能需要数天甚至一周完成。IT之家 AI 与 9to5Google 还报道,谷歌随后更新了榜单,补充推理等级、新模型成绩和平均调用成本。

深度见解

新版基准通过多步骤 Android 任务和调用成本评估 AI 编程智能体,为开发者比较模型表现提供了更完整的依据。

谷歌发布了 Android Bench 2.0—"—谷歌用于评估 Android 开发任务中 AI 模型和智能代理的基准测试框架。此次重大更新引入了长周期任务(LHT)、基于智能体的评估以及连续评分机制,可以更好地评估在复杂的多步骤开发任务中的性能。

Android Bench 于数月前推出",用于通过一系列常见的开发任务对 AI 模型进行评估,其中融入了权限、导航和网络联通性等方面的 Android 最佳实践。随着最新版本的发布,谷歌已经将该基准测试的覆盖范围扩展至更广泛的开发任务。

今天,我们发布了第一批长周期任务(LHT)。这些任务非常复杂,工程师需要花费数天甚至一周的时间才能完成。此外,我们还推出了基于智能体的评估机制,首先采用的是来自相应模型提供商的智能体。

#Google#Android#Android Bench 2.0#Claude Sonnet 5.5#Claude Opus 5.5#GPT-6.1 Sol#Gemini 4 Argon

原文约 2 分钟读完阅读原文
群聊

还没有评论,来说说你的看法。