Meta AI· AIatMeta·· 2026-08-21AI 评分40
Meta 预览 WildArtifactBench 智能体评测框架
Today we’re also previewing WildArtifactBench, an internal evaluation framework designed to assess agents on complex, real-world tasks ac...
AI 导读
Meta 预览内部评测框架 WildArtifactBench，用于评估智能体在多样交付格式下的复杂真实任务。该框架采用人类与智能体偏好评判的胜率和 Elo 分数，而非严格的标准答案评分标准，从而扩展了实际多模态工作流的任务覆盖范围。Meta 已从该基准中开放 10 个任务，以衡量多模态智能体的实际效用。
来源：Meta AI · x.com