百度发布DuMateBench基准测试排行榜，评估AI智能体真实任务完成与交付能力
本文是 24TopNews 对公开财经信息完成重复合并后的事件分析，不是原始采访或证券推荐。
百度推出DuMateBench基准测试排行榜，用于评估AI智能体能否完成真实世界任务并交付可用成果，而不仅仅是生成答案。该基准涵盖六大类、超过200项办公任务，测试智能体在复杂操作环境中的表现。DuMateBench评估任务理解、工具使用、持续执行和最终成果交付等能力。它采用通用评估框架和开放接口，使不同模型和智能体能够在相同标准下接受测试，将关注点从AI模型能回答什么转向能完成并交付什么。