新智元·2026-11-22 07:31· 12 小时前AI 评分50新加坡国立大学xML Lab发布System One模型评测基准SO-ArenaNUS发布System One模型评测基准:能力有多宽,决策有多稳?AI 导读新加坡国立大学xML Lab团队发布面向System One模型的评测基准SO-Arena,包含2,919项任务,覆盖5个能力族、11个领域,同时报告能力分C与可靠性分R。来源:新智元 · mp.weixin.qq.com论文研究评测基准#论文/研究#评测/基准查看事件全部后续