智能体评测

Hugging Face 发布 XYBench 测真实问题解决能力，大模型评测正从答题转向做事

Hugging Face 与 Ai2 推出 XYBench，用真实世界中的复杂问题检验模型能否理解需求、调用工具并完成任务。值得关心的是，模型榜单正在从“答得对”转向“事情办得成”，这也给企业选型提供了更接近实际工作的尺子。