北大很狡猾

北大伯克利联手“拷问”大模型：最强Agent也才40分！新基准专治“不听话”的AI分析师 给大模型当老师，让它一步步按你的想法做数据分析，有多难？结果是，连Claude-3.7和Gemini-2.5 Pro这样的顶尖选...