谷歌开发者·· 11 天前AI 评估 · 34/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。
Android Bench 2.0 发布：以长周期任务拓展 AI 开发评估前沿
Android Bench 2.0: 以长周期任务拓展 AI 开发的技术前沿
AI 导读
谷歌发布 Android Bench 2.0，引入长周期任务（LHT）与智能体评估，改用持续评分法替代通过/失败二元评分。LHT 最高通过率约 28%，远低于原始任务的约 91%；跨平台应用移植到 Android 仍无模型达到 100% 通过率，前沿模型完成率最高 80%。
来源：谷歌开发者 · mp.weixin.qq.com