Loading...
🌐
MAPS: производительность и безопасность многоязычных агентов(MAPS)
Многоязычный бенчмарк для оценки производительности и безопасности агентов на 12 языках. Пример представляет собой устаревший снимок бенчмарка, а не актуальную рекомендацию модели.
Сложность: highОценка и мониторинг
In 30 seconds
- What
- Измеряет производительность и безопасность агентов на 12 языках с помощью 805 уникальных задач, выявляя пробелы в возможностях и уязвимости для каждого языка.
- When to use
- Развёртывание агентов для многоязычной аудитории или оценка перед выходом в продакшен, не падает ли качество на языках, отличных от английского.
- Watch out
- Результаты отражают дату прогона и версию модели: рейтинги быстро меняются и не предсказывают многоязычную безопасность в реальных условиях.
Loading technique guide…