Artificial Analysis发布决策指数v2.1
先了解这件事
Artificial Analysis发布Decision Index v2.1完整结果，以六项子评测横向衡量模型在文档决策与信息抽取、工具调用、知识与幻觉、推理及决策不变性方面的能力，完整榜单放在官网，团队称将持续迭代。 六项评测权重分别为30%、15%、10%、15%、15%和15%。其中，AA-Paperclip使用1500份简历、收据发票和研究论文，每份设置15个待决策答案；其余包括职场文档判断、NVIDIA工具调用评测、私有知识与幻觉数据、可选择拒答的纯文本选择题，以及检验选项移位、改写或取反后能否保持一致的测试。 此前发布的v2已将私人数据集占比提高至45%，并把校准能力纳入总分；其结果显示Mammoth 27B表现接近GPT-6 Luna、速度快118倍。
AI 根据报道生成 · 45 分钟前更新
事件进展
2 个进展
- 11月14日 08:14 · 2 篇报道发布 Decision Index v2.1 决策基准AGI Hunt：Artificial Analysis 推出 Decision Index v2.1，以六项评测量化模型决策能力
- 11月9日 07:51 · 1 篇报道Artificial Analysis 发布决策模型指数 v2AGI Hunt：Artificial Analysis 发布决策模型指数 v2，防刷榜更贴近真实效用
报道时间线
沿着报道，了解事件的不同侧面。
- AGI HuntArtificial Analysis 发布 Decision Index v2.1，以六项评测量化模型决策能力
Artificial Analysis 发布 Decision Index v2.1 完整结果，以综合基准横向比较主流模型在决策相关任务上的能力。六项评测涵盖文档决策与信息抽取、工具调用、知识、幻觉、推理和不变性，并包含 AA-Paperclip 等评测榜单，为评估决策模型提供参考框架。
- AGI HuntArtificial Analysis 推出 Decision Index v2.1，以六项评测量化模型决策能力
Artificial Analysis 推出综合基准 Decision Index v2.1，以六项子评测量化决策模型能力。评测覆盖文档决策与信息抽取、工具调用、知识、幻觉、推理和不变性，权重分别为 30%、15%、10%、15%、15% 和 15%。团队称将持续迭代该指数，完整结果可在 Artificial Analysis 官网查看。
- AGI HuntArtificial Analysis 发布决策模型指数 v2，防刷榜更贴近真实效用
Artificial Analysis 发布 Decision Index v2，通过六项测试评估模型在文档决策与信息抽取、工具调用、知识幻觉、推理与不变性等方面的表现。新版本将私人数据集占比从 v1 提升至 45%，并将校准能力计入总分；结果显示，Mammoth 27B 逼近 GPT-6 Luna，速度快 118 倍。
本事件热度走势
- 可比范围当前
- 10
- 可比范围峰值
- 1011月14日 09:00
- 近 24 小时变化
- –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。