#توسعه اندروید عامل‌محور

امروز ما اولین مجموعه از وظایف بلندمدت (LHT) را منتشر می‌کنیم، که وظایفی با پیچیدگی بسیار زیاد هستند و یک مهندس برای تکمیل آنها چندین روز یا حتی یک هفته زمان نیاز دارد. ما همچنین ارزیابی عاملی را معرفی می‌کنیم که با عامل‌های ارائه‌دهندگان مدل مربوطه شروع می‌شود.

در ماه مارس، ما Android Bench را معرفی کردیم - جدول امتیازات LLM ما برای وظایف توسعه اندروید در دنیای واقعی. از آن زمان، ما این معیار را بر اساس بازخورد شما بهبود بخشیده‌ایم، از جمله ارزیابی مدل‌های وزن باز و اضافه کردن ابعاد هزینه و کارایی به جدول امتیازات.