CAIBA 已经在设定标准 📊

自本月早些时候推出以来：
• CAIA Benchmark v0.2 扩展：40 → 60 个任务
• 结果显示工具比提示更有效
• 代币经济学让大多数模型陷入困境

即将推出：
• 在 CAIA v0.3 中从 60 个任务扩展到 80 个任务
• 添加更多加密代理（不仅仅是 LLM）

所有结果都在下面链接的完整博客中