斯坦福 CS 329Z 讲座梳理 AI Agent 评测基准设计
热点事件持续更新
斯坦福 CS 329Z 讲座梳理 AI Agent 评测基准设计
1 篇报道1 个报道来源6 小时前更新
先了解这件事
AI 综述
斯坦福 CS 329Z 课程第 13 讲以“AI Agent 评测基准如何设计”为题，系统梳理了语言模型评测从 SQuAD、GLUE 到 MMLU、Humanity's Last Exam 的演进，以及 Agent 类评测从 AlpacaEval 到 AIR-Bench 的发展。讲座内容为课程讲授，报道未给出该讲提出的具体设计方法或结论。
AI 根据报道生成 · 2 小时前更新
最新进展11月5日 10:46
斯坦福 CS 329Z 讲座：AI Agent 评测基准如何设计报道时间线
沿着报道，了解事件的不同侧面。
11月5日
- RadarAI斯坦福 CS 329Z 讲座：AI Agent 评测基准如何设计
斯坦福 CS 329Z 第 13 讲系统梳理了语言模型评测从 SQuAD、GLUE 到 MMLU、Humanity's Last Exam 的演进，以及 Agent 类评测从 AlpacaEval 到 AIR-Bench 的发展。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。