CAIBA 已經在設定標準 📊

自本月早些時候推出以來：
• CAIA Benchmark v0.2 擴展：40 → 60 個任務
• 結果顯示工具比提示更有效
• 代幣經濟學讓大多數模型陷入困境

即將推出：
• 在 CAIA v0.3 中擴展從 60 至 80 個任務
• 增加更多加密代理（不僅僅是 LLM）

所有結果都在以下鏈接的完整博客中