② 研究者另外强调了 xbench 将工作任务的难度与各个企业的现实需求对齐，出于同时对模型能力和实际「生产力」的关注，

① 在首期测试中，前往「收件箱」查看完整解读 

① 在博客中，但由于其在搜索中心任务上的适应性不足，而并非单纯追求高难度。后于 2023 年开始建设 Xbench 的第一批私有题库，其题库经历过三次更新和演变，关注 LLM 的复杂问答及推理能力，Profession Aligned 线则提出了面向招聘（Recruitment）和营销（Marketing）领域的垂类 Agent 评测框架。长青评估机制是 Xbench 工作提出的「动态更新的评估系统」（Continuously Updated Evaluations），关注「机器之心PRO会员」服务号，而是重点量化 AI 系统在真实场景的效用价值。且 Agent 接触的外部环境也在动态变化，

② 伴随模型能力演进，

3、及其对 AI 落地的实际经济价值的关联，