Induction Labs 发布 FrontierML 基准，评测 agent 花钱扩性能能力

Induction Labs 于 10 月 14 日发布 FrontierML 基准，包含 21 项任务，测试智能体能否像人类研究者那样自主决定算力与数据花费、选择实验，即「用钱 scale 模型性能」的资源决策与判断能力。该基准旨在衡量 agent 在研究工作中的自主花费与实验选择水平。

2026-10-14 ~ 2026-10-14 · 2 条相关

• FrontierML 基准：给 agent 发钱包，测谁最会用钱换性能 — akbirthko · 2026-10-14
• FrontierML 基准发布：21 项任务考验 agent 花钱扩性能的判断力 — JayAlammar · 2026-10-14