المقاييس المرجعية

ننشر نتائج Esan لتتمكن من الحكم عليها بنفسك — مع المنهجية، لا مجرد رقم في العنوان.

GAIA، بعبارات بسيطة

GAIA مقياس مرجعي مستقل يختبر ما إذا كان الوكيل قادرًا على حل مهام واقعية بالطريقة التي يفعلها الإنسان: البحث في الويب، وقراءة ملفات PDF، وتحليل الصور، وإجراء الحسابات للوصول إلى إجابة موثّقة. تُصحَّح مقابل إجابة صحيحة معروفة لكل سؤال، عبر ثلاثة مستويات صعوبة.

نتائج Esan

في مجموعة التحقّق الخاصة بـ GAIA، يؤدي Esan فوق خط الأساس البشري في المستويين 1 و2، ويتعادل في المستوى 3.

المتوسط المعدّل عبر المستويات: 92.3%؛ الإجمالي المرجّح: 93.8%.

كيف تقرأ هذه الأرقام

لا تكون المقاييس المرجعية ذات معنى إلا بمنهجيتها المرفقة، لذا إليك منهجيتنا:

• المجموعة. النتائج على مجموعة التحقّق الخاصة بـ GAIA.
• خط الأساس. "خط الأساس البشري" هو رقم أداء البشر المنشور من GAIA نفسها لكل مستوى — المعيار نفسه الذي يُقاس به كل نظام.
• الاستثناءات. يُستثنى عدد صغير من الأسئلة لأنه لا يمكن الإجابة عليها كما هي مكتوبة — صفحة مصدر أصبحت معطّلة، أو الإجابة المنشورة بها خطأ معروف، أو موقع يمنع الوصول الآلي بنشاط. تُستثنى هذه بشفافية بدلًا من احتسابها إخفاقات أو تمريرها بصمت.
• ما الذي تقيسه. تكافئ GAIA إنجاز مهمة واقعية بشكل صحيح، لا أن يبدو الأمر معقولًا — وهو بالضبط نوع العمل الذي قد تفوّضه إلى Esan.

لماذا نبدأ بهذا

كثير من الأدوات تدّعي القدرة. نتيجة مقياس مرجعي علنية ومدعومة بمنهجية تتفوّق على خط الأساس البشري هي ادعاء يمكنك التحقق منه. إن كنت تهتم بما إذا كان الوكيل ينجز العمل فعلًا — لا كيف يبدو فحسب — فهذا هو الرقم المهم.