论文提出Agents' Last Exam智能体基准

论文作者团队发布 Agents' Last Exam（ALE），一个评测 AI 智能体在长程、具经济价值、结果可验证的真实任务上的基准。据论文摘要，最难层级任务在主流 harness 和骨干模型配置下平均完整通过率低于 1%。 该基准与 250 多名行业专家合作开发，覆盖参照 O*NET/SOC 2018 定义的非体力行业，任务分类为 13 个行业集群、55 个子领域、1,000 多项任务。ALE 设计为持续更新的活基准，任务池随新工作流程和行业接入不断扩充。

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。