AGI Hunt· xeophon·· 4 小时前AI 评分48
Epoch AI 评审 4 个 benchmark：仅 GraphWalks 通过，OSWorld 2.1 等被判有缺陷
Epoch AI 新评 4 个 benchmark：仅 GraphWalks 通过，OSWorld 2.1 等被判有缺陷
AI 导读
Epoch AI 发布 4 个 benchmark 的新评审结果，仅 GraphWalks 获评 Verified，OSWorld 2.1、CritPt v1 和 CMT-Benchmark v1.0.0 被判为 Flawed。
来源：AGI Hunt · agihunt.info