Agents' Last Exam

摘要

Agents' Last Exam 旨在建立覆盖面最广的 AI Agent 评估体系，重点衡量 Agent 在长程、具备经济价值且结果可验证任务上的表现。目前已涵盖 VFX、3D 建模、游戏开发、建筑设计、脑成像等 55 个子行业，收集了超过 1,500 个任务。该项目由伯克利 RDI 领导，联合了全球顶尖高校及高盛、Adobe 等工业界专家，目标是构建包含 5,000 个任务的客观评测标准。