Advertise here

स्वायत्त एजेंट कार्य: गलत उत्तर

स्वायत्त एजेंट कार्य
गलत उत्तर

देखें कि स्वायत्त एजेंट कार्य में किन AI मॉडलों में गलत उत्तर आने की सबसे अधिक संभावना है, ताकि आप कमजोरियाँ जल्दी पहचान सकें। क्रमबद्ध करें: सही परीक्षण ↑.

दिखाए गए मॉडल

15

कुल विफलताएँ

108

सबसे अधिक प्रभावित मॉडल

Grok 4.6 1

विफलता के कारण

गलत उत्तर108 अमान्य टूल कॉल44 API त्रुटि32 निर्देशों का पालन नहीं किया14 समय समाप्त10

श्रेणियाँ

डोमेन-विशिष्ट766 एंटी-एआई ट्रिक्स446 कोडिंग429 पहेली समाधान307 सामान्य ज्ञान280 संयुक्त115 Samanya Buddhimatta112 स्वायत्त एजेंट कार्य108 निर्देश पालन94 डेटा पार्सिंग और निष्कर्षण71
108/108
रैंक मॉडल कंपनी गलत उत्तर संख्या श्रेणी स्कोर कुल लागत सही परीक्षण प्रतिक्रिया समय (औसत)

गलत उत्तर संख्या के अनुसार शीर्ष मॉडल

गलत उत्तर संख्या बनाम स्कोर

प्रतिक्रिया समय (औसत) के अनुसार शीर्ष मॉडल

अनुमानित व्यर्थ लागत के अनुसार शीर्ष मॉडल