FrontierCS 2 基准发布：删除论文核心代码让 Agent 复现超越

Qiuyang Mang 等人发布 FrontierCS 2，一个评测 LLM Agent 能否胜任前沿计算机科学研究的基准，由 Modal 提供算力支持。设计上每道任务基于一篇已发表论文，从官方开源代码中删掉论文的核心贡献，要求 Agent 复现并超越原方法。团队从 13 个 CS 领域的已发表论文构建了 48 个任务，并邀请各领域专家逐一精化。

2026-10-23 ~ 2026-10-23 · 3 条相关

• FrontierCS 2 基准：删掉论文核心代码，让 Agent 复现并超越原方法 — OfirPress · 2026-10-23
• FrontierCS 2 发布:48 个任务评测 AI 科研智能体 — ChengleiSi · 2026-10-23

另有 1 条近重复转述:blelbach