小紅書が生活シーンのAI評価ベンチマークを公開、主要モデルは苦戦

要点：小紅書（RED）の技術チームが、実生活のタスクを評価する「VibeLifeBench」などを公開しました。主要なAIモデル7種をテストしたところ、いずれも合格点に達せず、実生活での複雑な判断には課題が残ることが判明しました。