Assistant Benchmark以15类现实任务评估助手的完成度、安全边界和记忆能力。
推荐理由：评测从问答正确率转向真实任务闭环，并把支付确认、记忆和克制纳入指标；这更贴近智能体产品价值，但正文未提供方法与榜单结果。
阅读原文