研究者发布400项专业任务基准OMB

Yang Liu等研究者发布 OneMillion-Bench（$OMB），一个覆盖法律、金融、工业、医疗和自然科学五大领域、共 400 项专家编写任务的基准，用于评测语言智能体在经济相关场景中的表现；研究者在论文中称，数据和代码可通过其给出的链接获取。 目前报道未给出该基准的评测结果，即语言智能体与人类专家差距的具体结论尚未披露。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。