发布AvalancheBench企业级语义查询基准

Dariusz Kleczek等在arXiv提交论文（v2），发布企业级智能体语义查询基准AvalancheBench：该基准从潜在世界规格生成观测数据，评估数据智能体端到端恢复该世界的能力。 基准含3个已验证任务、共58个跨越文本、图像与文档的问题，并使用Snowflake Cortex AISQL作为查询引擎。论文在3种智能体框架上评估了5种模型-框架配置，据论文所述，最佳配置的宏平均分析保真度达到0.82。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。