据品玩 12 月 8 日报道，Arxiv 页面显示，Meta 近日联合 Hugging Face 和 AutoGPT 等机构，推出了一款名为 GAIA 的基准测试，可用于对通用 AI 助手性能进行测试。 作者表示，GAIA 测试涵盖了一系列现实世界的问题，需要 AI 助手具备推理、多模态处理、网络浏览和一般工具使用能力等基本技能。GAIA 的问题对人类来说很简单，但对大多数先进的 AI 来说具有挑战性。研究显示，人类受访者的回答正确率为 92%，而先进的 AI 助手回答正确率只有 15%。