三星的TrueBench Benchmark使AI聊天机器人可以查看他们是否准备在日常办公室更换真正的工人

• 三星TrueBench将AI聊天机器人定向严格规则，而没有部分信用
• 三星在语言之间使用2,485个测试来模仿办公室工作负载
• 条目从简短的请求到超过两万个字符。

在工作场所的采用AI车辆的采用迅速增长，并且对这些系统的评估方式不仅通过自动化进行评估。

到目前为止，大多数标准都是狭窄的，AI的作者和AI聊天机器人系统很少对与办公室生活类似的简单需求进行测试。