AGI Tracking 用于评估 Agent 的能力上限与技术边界；Profession Aligned 用于量化 AI 系统在真实场景的效用价值。 Scaling with Profession-Aligned Real-World Evaluations》中介绍了 XBench 基准测试，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，同样的题目在不同时间的测试效果均有不同。

② Xbench 团队计划定期测评市场主流 Agent 产品，

02 什么是长青评估机制？

1、Xbench 后在 2024 年 10 月进行第二次大规模更新，关注「机器之心PRO会员」服务号，前往「收件箱」查看完整解读 

1、用于跟踪和评估基础模型的能力，

4、其中，不同模型在招聘和营销领域的表现存在显著差异，