بيانات أصعب والوكيل نفسه: كم تراجع كل نموذج
جعلت Databricks اختبار OfficeQA أصعب، من OfficeQA Pro إلى OfficeQA Pro V2: المجموعة ٢×، والوثائق المُستشهد بها لكل سؤال ٣٫٧×، والنص المطلوب قراءته نحو ٩×. أبقى Energent وكيله المحايد تجاه النموذج ثابتًا وقارن سبعة نماذج رائدة على الإصدارين. حافظ Fable 5.1 وGPT-5.6 Sol على مستواهما في حدود ٣ نقاط؛ وتراجعت النماذج الخمسة الأخرى بمقدار ٦٫٥ إلى ٢٨٫٨، وتغيّر الترتيب.
قراءة المقال
