AA-Briefcase：フロンティア知識作業評価ベンチマーク
AA-BriefcaseはArtificial Analysisが開発した新しいベンチマークで、現実的な複数週の知識作業プロジェクトにおけるAIモデルの能力をテストします。ルーブリックとペアワイズ評価を組み合わせ、タスク成功、分析品質、プレゼンテーション品質を評価します。Claude Fable 5がリードするが高コストで、オープンウェイトモデルのGLM-5.2はコストパフォーマンスに優れています。
AA-Briefcase：フロンティア知識作業評価ベンチマーク
要約のみ
配信元のコンテンツ権限に基づき、編集要約、要点、原文へのリンクのみを提供します。