GDPval-AA v2.1

GDPval-AA v2.1 est un cadre d'évaluation pour le jeu de données GDPval d'OpenAI. Il évalue les modèles d'IA sur des tâches réelles dans 44 métiers et 9 grands secteurs. Les modèles disposent d'un accès shell et de capacités de navigation web dans une boucle agentique via Stirrup pour résoudre les tâches, avec des classements Elo dérivés de comparaisons par paires en aveugle.