جوجل الأمريكية تُحدّث معيار Android Bench لتقييم نماذج الذكاء الاصطناعي الكبيرة في تطوير أندرويد

أخبار ar.wedoany.com، قامت جوجل بتحديث مشروع معيار Android Bench، المُستخدم لتقييم أداء نماذج اللغة الكبيرة في مهام تطوير أندرويد. أعاد مهندسو جوجل تصميم منهجية الاختبار، وأضافوا نماذج جديدة، وسمحوا للمطورين بالمشاركة في تطوير مجموعة الاختبارات.

يتمثل المحتوى الرئيسي لهذا التحديث في الانتقال إلى إطار عمل Harbor، الذي سيتولى تنفيذ جميع اختبارات Android Bench. يضمن هذا التغيير تقييمًا أكثر اتساقًا للنماذج، ونتائج قابلة لإعادة الإنتاج، وإمكانية إضافة سيناريوهات اختبار جديدة بسرعة أكبر. بالإضافة إلى ذلك، لا يقتصر النظام الجديد على تقييم جودة الإجابات فحسب، بل يُقيّم أيضًا التكلفة والكفاءة الخاصة بنموذج اللغة الكبير المُستخدم.

يمكن لمطوري الطرف الثالث الآن التأثير على اتجاه تطوير المعيار. تشجع جوجل المطورين على مشاركة مهام العمل الفعلية ومناقشة منهجيات تقييم النماذج، مما يساعد على تحديث مجموعة الاختبارات بشكل دوري، ويعكس بشكل أكثر دقة سيناريوهات استخدام نماذج اللغة الكبيرة في تطوير أندرويد.

تمت إضافة العديد من نماذج اللغة الجديدة إلى جدول النتائج، بما في ذلك Claude Fable 5 وClaude Sonnet 5 وClaude Opus 4.8 وGLM 5.2 وKimi K2.7 Code وMiniMax M3 وQwen 3.7 Max وQwen 3.7 Plus. المراكز الثلاثة الأولى حاليًا هي Claude Fable 5 وGPT 5.5 وClaude Sonnet 5.