Claude-Opus-4.7
76.9%Pass@1
- 范围
- AD-Bench v2 · 225个广告分析任务
- 配置
- 论文所报Agent配置；整体任务集
- 运行日期
- 原文未披露，不能以核查日代替
- 报告日期
- 2026-06-22
- 原文位置
- 论文 Table 2 / Overall
单次回答正确率；L3为61.4%。不能代表真实广告增量。
AD-Bench研究团队 / 任务基准
AD-Bench
广告分析正确性与轨迹
证据条件
- 版本
- v2; 2026-06-22
- 资料开放性
- 公开结果／任务数据私有
- 来源家族
- AD-Bench研究团队
- 下次复核
- 2026-11-26
- 本站复现
- 未运行；引用外部研究
阅读限制
这份证据还不能证明
非实际广告增量；旧资产核验显示数据未开放
同一实验的论文、博客和转载按一组来源计算。本站任务适配属于分析判断，不代表上游测试了本站任务。
外部结果快照
保留原指标，不作跨基准总排名关联的工作任务
以下为部分覆盖或方法关联，尚未完成逐题对应。
解释转化率变化，拆分人群组成影响
标准：转化变化与组成分解总体/组内/组成分析，因果限制与建议
人的责任解释统计结果并决定需要什么新数据
基础草案3条验收门槛 · 4组相关来源
核算增长增量和扣除成本后的收益
标准：增量与成本后收益判断增量解释 · 净贡献 · 继续/停止与限制
人的责任对预算、用户体验和品牌取舍
基础草案3条验收门槛 · 3组相关来源