跳到主要内容
检索

# Singularity-Bench基准

1 篇关联报道

订阅更新
  1. arXiv

    智能体能否自己造智能体:Singularity-Bench六项端到端任务上,Opus 5.5配Claude Code全部追平或超过人类基线

    Singularity-Bench把AI开发拆成预训练、中训练、后训练、推理、智能体外壳与集群编排六项端到端任务,每项只给最小起点、固定时限,并与同一硬件上的人类工程基线比较。11个由7个前沿模型与2种外壳组成的智能体中,Opus 5.5配Claude Code在六项上全部追平或超过基线,Singularity-Index为1.25,其余10个平均只有0.58。该指数按六项相对人类基线的比值取平均,失败任务计零,衡量的是跨层一致性而非单项最优。

已读完全部报道