ИССЛЕДОВАНИЕ · RESEARCH · #2310
EGI-BENCH: Salesforce AI Research опубликовала единый бенчмарк для корпоративных агентов и EGI Score (arXiv v1)
Salesforce AI Research выпустила EGI-BENCH — единый набор бенчмарков с интерфейсом командной строки, объединяющий восемь корпоративных оценок для агентов и вводящий шестимерную метрику Enterprise General Intelligence (EGI) с режимами «быстрый» и «глубокий». В статье приведены результаты быстрого режима для 14 LLM (семейства GPT, Claude, Gemini): итоговые EGI варьируют от 39.6 (GPT-4o mini) до 65.6 (gpt-5.5); код доступен на GitHub.
КЛЮЧЕВЫЕ ТЕЗИСЫ
- Salesforce AI Research выпустила EGI-BENCH — единый набор бенчмарков с интерфейсом командной строки, объединяющий восемь корпоративных оценок для агентов и вводящий шестимерную метрику Enterprise General Intelligence (EGI) с режимами «быстрый» и «глубокий».
- В статье приведены результаты быстрого режима для 14 LLM (семейства GPT, Claude, Gemini): итоговые EGI варьируют от 39.6 (GPT-4o mini) до 65.6 (gpt-5.5); код доступен на GitHub.
- Единый корпоративный бенчмарк и многомерный EGI Score повышают сопоставимость оценок моделей и помогают предприятиям выбирать и проверять LLM для агентных рабочих процессов.
ПОЧЕМУ ЭТО ВАЖНО
Единый корпоративный бенчмарк и многомерный EGI Score повышают сопоставимость оценок моделей и помогают предприятиям выбирать и проверять LLM для агентных рабочих процессов.