基准
GDPval-AA
评估 AI 在 GDP 相关任务上性能的基准测试，采用 Elo 评分系统。
时间轴 (近 90 天)
10月18日
GDPval-AA 是面向经济价值工作产出的评测框架，AA 通常指 Agentic Assessment，v2.1 为其迭代版本。
待验证50%
10月16日
在人类偏好评估的GDPval-AA基准上，Claude Opus 4.6获得1606 Elo，Gemini 3.1 Pro为1317 Elo
待验证50%
评估 AI 在 GDP 相关任务上性能的基准测试，采用 Elo 评分系统。
GDPval-AA 是面向经济价值工作产出的评测框架，AA 通常指 Agentic Assessment，v2.1 为其迭代版本。
在人类偏好评估的GDPval-AA基准上，Claude Opus 4.6获得1606 Elo，Gemini 3.1 Pro为1317 Elo