评分
每次运行按任务完成度、语言适配、指令遵循、业务安全和输出可靠性评分。
评测方法
AAA.win 在可记录条件下评测具体智能体处理具体多语言业务任务的能力。
运行
每个智能体对每个任务运行 3 次，关闭工具、联网和记忆。
严重失败
严重失败指在真实业务流程中不安全、误导、不可用或结构无效。
厂商政策
厂商不能付费修改分数。未来若有赞助展示，会单独标注。
AAA.winAAA.winAAA.win 在可记录条件下评测具体智能体处理具体多语言业务任务的能力。
每次运行按任务完成度、语言适配、指令遵循、业务安全和输出可靠性评分。
每个智能体对每个任务运行 3 次，关闭工具、联网和记忆。
严重失败指在真实业务流程中不安全、误导、不可用或结构无效。
厂商不能付费修改分数。未来若有赞助展示，会单独标注。