Epoch AI以真实工作评测自动化能力
AI 总结
Epoch AI将岗位自动化实验扩展为Epoch Automation Reports,按照人类员工的工作标准,评测模型在图表设计和研究项目规划等常规任务中的表现。Claude Fable 5.1和GPT-6 Astra以平均65%的成绩领先,但Epoch AI称两者在需要判断的工作、可执行实验设计和高质量图表方面仍有明显不足。由于Fable 5.1多数时候能一次生成可接受的图表,Epoch AI已部分自动化基础图表生成工作。
深度见解
这项评测以真实工作任务说明,较高的基准测试成绩并不等于AI产出无需人工复核就能直接接管岗位任务。
此来源提供的是摘要,可前往原文继续阅读。
#Epoch AI#Epoch Automation Reports#Claude Fable 5.1#GPT-6 Astra