Bespoke Labs 发布 AutoResearchExam 基准测自动研究智能体

Bespoke Labs 发布新基准 AutoResearchExam，用于衡量智能体在长时段、开放式 ML 研究任务上的持续迭代、改进与泛化能力，共包含 29 项开放研究任务，可测试 24 小时自动研究智能体的表现。该项目有 Dimakis 参与，Emad Mostaque 转发推荐并表示认可。

2026-09-24 ~ 2026-09-25 · 2 条相关

• Bespoke Labs 发布 AutoResearchExam：测 24 小时自动研究 agent — AlexGDimakis · 2026-09-24
• Bespoke Labs 推出 AutoResearchExam:29 项开放 ML 研究任务测智能体 — AlexGDimakis · 2026-09-25