Today for AI
返回热点榜
agent热度 16.7°

AI 聚合热点事件 · 2026/11/2

SemiAnalysis 发布 GDPx 基准 AI Agent 专家任务得分极低

1 篇收录报道1 家独立信源交叉印证持续跟踪至 2026/11/2 20:45:11
全景综述与最新动态
1 家信源交叉印证

SemiAnalysis 推出 GDPx 基准，评估 AI Agent 在芯片设计、金融等 11 个领域的专家级工作能力。结果显示当前最强模型 Claude Opus 5.5 平均分仅 12%，且在金融和法律任务中全部得分为零，暴露出智能体在处理复杂真实工作流时的巨大能力缺口。

最新动向/SemiAnalysis 推出 GDPx 基准，评估 AI Agent 在芯片设计、金融等 11 个领域的专家级工作能力。结果显示当前最强模型 Claude Opus 5.5 平均分仅 12%，且在金融和法律任务中全部得分为零，暴露出智能体在处理复杂真实工作流时的巨大能力缺口。

逐小时热度走势

2 个完整观测小时
连续完整观测不足 3 个小时，暂不绘制趋势曲线。

报道时间线

共 1 篇 · 最新优先
  1. Rohan Paul (@rohanpaul_ai)T2·85 分

    SemiAnalysis 发布 GDPx 基准 AI Agent 专家任务得分极低

    原标题：SemiAnalysis has released GDPx, a benchmark testing AI agents on expert work across 11 domains.

    • GDPx 要求 Agent 在包含数千文件的真实工作空间中自主挖掘信息，区别于传统的上下文注入式评测。
    • Claude Opus 5.5 以 12% 的平均分领跑，但所有主流模型在金融和法律任务中均无法通过严格评分标准。
    • 在改进交易策略的任务中，70% 的尝试导致表现劣于原始策略，显示模型倾向于增加风险而非优化逻辑。