研究者表示 xbench 针对各种商业领域设计评估任务，评估任务由对应领域的专家结合实际业务需求设定，其双轨测评体系强调了不再单纯执着于测评问题的难度，其中，前往「收件箱」查看完整解读 

红杉团队在该时段开始思考现今模型能力和 AI 实际效用之间的关系，