别再看那40个 AI 基准测试了,真正该问的是:agent 能不能真的把活干完? Palisade Research 的 Jeff Ladish 说,对他来说最大的跳跃发生在 Fable 前后:他从...
AI Will(@FinanceYF5)425 字 (约 2 分钟)
85
文章指出,当前AI评估应从40个基准测试转向实际工作能力,Anthropic的Fable模型显著提升了agent的实用性。
入选理由:Anthropic的Fable模型使工程师从偶尔使用agent变为每日依赖
FeaturedTweet#AI评估#Anthropic#Agent#Fable模型中文