OpenAI 发布的真实工作任务评测，覆盖 44 种职业，以专业人员创建的任务、参考材料、交付物和评分标准衡量模型能力。
Tag
benchmark
包含该标签的简调共 3 篇。
AssetOpsBench 用工业资产运维场景、专职智能体和多智能体编排蓝图，帮助团队构建并评估面向 Industry 4.0 的智能体系统。
OpenAI 发布的研究复现评测，要求 AI Agent 从论文理解、代码实现到实验执行完成端到端任务。
Tag
包含该标签的简调共 3 篇。
OpenAI 发布的真实工作任务评测，覆盖 44 种职业，以专业人员创建的任务、参考材料、交付物和评分标准衡量模型能力。
AssetOpsBench 用工业资产运维场景、专职智能体和多智能体编排蓝图，帮助团队构建并评估面向 Industry 4.0 的智能体系统。
OpenAI 发布的研究复现评测，要求 AI Agent 从论文理解、代码实现到实验执行完成端到端任务。