참고X
에이전트 벤치마크 'Agent Arena' 점수 큰 폭 상승: 모델 성능 평가의 새로운 국면
Agent Arena는 실제 작업 수행 능력을 측정하여 벤치마크 오염 논란에서 비교적 자유로움. 최신 모델들의 실전 성능 변화를 주시할 필요가 있음.
원문 제목 @petergostev: This is probably the biggest jump on Agent Arena that I remember. It measures real word use, so no benchmaxxing possible.
원문 보기 ↗