- 金融、 Scaling with Profession-Aligned Real-World Evaluations》中介绍了 XBench 基准测试，销售等领域构建匹配的动态评估机制 ...
关注👇🏻「机器之心PRO会员」，
② 研究者另外强调了 xbench 将工作任务的难度与各个企业的现实需求对齐，GPT-4o 由于倾向于提供较短的回答，Profession Aligned 线则提出了面向招聘（Recruitment）和营销（Marketing）领域的垂类 Agent 评测框架。[2-1]
① 研究者指出，
③ 此外，
]article_adlist-->导致其在此次评估中的表现较低。② 伴随模型能力演进，在 5 月公布的论文中，后在 2025 年 5 月下旬正式对外公开。出于同时对模型能力和实际「生产力」的关注，Xbench 项目最早在 2022 年启动，起初作为红杉中国内部使用的工具，前往「收件箱」查看完整解读
