[控场AI]
unknown

GAIA

时间轴 (近 90 天)

8月27日

SWE-bench和GAIA是更接近真实世界的评测方法，SWE-bench基于真实GitHub issue修复，GAIA需要多步工具使用

待验证50%

全部知识事实 (1)

待验证

SWE-bench和GAIA是更接近真实世界的评测方法，SWE-bench基于真实GitHub issue修复，GAIA需要多步工具使用

50%

来源文章

多智能体与代码生成实测：新一代大模型能力深度解析7月23日Rust AI Agent实战：GAIA基准测试揭示大模型能力天花板7月12日