Gemini 4 Argon获报告生成测试最高分

发生了什么

据X平台用户@aliansarinik发布的研究报告，一项包含20个专家任务的基准测试评估了大模型的报告生成能力。测试涵盖周度活动更新、行动后报告及项目状态报告等任务，要求模型将工作文件转化为成品报告。测试结果显示，各模型得分在54.3%至64.1%之间，其中Gemini 4 Argon得分最高。报告指出，模型在基础格式处理上表现良好，但内容筛选与事实解释能力的不足导致了模型失分的主要部分。