Epoch AI 介绍 GDPval 基准：用真实职场任务评测模型

GDPval 评测模型在美国经济九个行业中的真实职场任务表现，覆盖 44 个职业、1320 项任务，产出文档、表格和演示文稿等工作交付物。评分采用盲测成对比较，由领域专家在不知来源的情况下对模型输出与人类专家成果排名，得出模型对人类基线的胜、平或负结果。