跳到正文

内容形态

评测基准 最新动态

到底谁更强:编码与 Agent 基准成绩、评测方法论争议与排行榜变化的持续记录。

21 条精选近 30 天 20 条共收录 89 条

更新

精选归档 · 第 2 页

8月20日周四第 21–21 条
  1. Mistral AI71

    Mistral 发布 Agentic Search 检索层,FinanceBench 准确率提升至 86%

    Mistral 发布 Agentic Search,一个让模型在多步检索循环中查找、检查和验证信息的检索层,通过 Mistral Search Toolkit 提供,并内置于 Studio 和 Vibe 的 Libraries。

    推荐理由:原文给出多步检索循环在 FinanceBench 与 OfficeQA Pro 上的准确率、token 与延迟变化,可据此判断传统 one-shot RAG 的边界。