Context-Bench Skills 评测基准发布

Letta_AI 发布 Context-Bench Skills 评测基准,测试 AI 模型按需学习技能的能力。评测分为三个场景,发现提供相关技能可提高任务完成率。Claude 模型表现最佳,GPT-5 和 GLM-4.6 也显示出类似性能提升,但选择技能的难度较高,能力较弱的模型表现不佳。
Key insights
技能动态加载的重要性
Context-Bench Skills 强调 AI 模型应能动态加载技能,以适应不同任务需求,提升效率。
Claude 模型的优势
Claude 模型在使用技能时表现优异,显示出其在动态学习能力上的优势。