web-based-benchmark

GauntletBench是一个新的基于网页的基准测试，用于评估AI智能体在挑战性场景中的表现，重点关注时间感知、图形理解和3D推理。结果表明，最先进的智能体成功率仅为19.1%，而非专业人士则超过80%，凸显了当前智能体系统的显著局限性。