Terminal X 借助 GPT-6.1 以 88.6% 匹配资深投资人判断
Terminal X 的 Eval Agent 借助 GPT-6.1 Sol，对基金投资要求的偏离识别量提升 25%，与资深投资人判断的匹配度达 88.6%。该 Agent 依据 54 项标准评分体系对输出进行打分。
#评测/基准
OpenAI NewsAI 评分3838
OpenAI NewsAI 评分2222 OpenAI 如何提升 ChatGPT 对低资源编程语言的支持
OpenAI 正在改进 ChatGPT 对低资源编程语言的支持，并新增了针对软件工程、SQLite 和 COBOL 迁移的评测。
Microsoft ResearchAI 评分4949 Microsoft Research 推出 StudentSim：用 AI 学生模拟器评估和改进 AI 辅导系统
Microsoft Research 提出 StudentSim，从公开的去标识化学习记录训练个性化 AI 学生模拟器，用于在真实学习者测试前评估和改进 AI 辅导系统。
Microsoft ResearchAI 评分2121 Microsoft 研究：AI 会犯哪些错，失败又能教会我们什么
Microsoft 研究合伙人 Jennifer Neville 在 Microsoft Research Podcast 中讨论评估如何推动 AI 系统突破传统 benchmark 的性能边界，以及模型在超出常规测试时出现的“意外失败”。她结合自身从数学、物理、认知科学转向计算机科学的经历，分享使用当前 AI 系统的实用建议，并强调结果偏离预期时应仔细检查数据。