Agent Index

Agent榜单接连失真，模型高分不等于能力差距

Agent榜单近期接连出现题目有缺陷、答案泄漏和参赛成绩被移除等问题。即使数据完全干净，几十到几百道题产生的分数也存在抽样误差。阅读榜单时，应同时看置信区间、差异显著性与题目数量。