FrontierML 基准发布:测 AI 自主 ML 研究,无模型达标

YC 孵化的 Synthetic Sciences 发布 FrontierML 基准,通过 25 道开放式问题(含 10 个私有任务)评估 AI 智能体自主开展实证机器学习研究的能力,只说明评审方式而不给出可优化的狭义指标,模拟真实研究中自定代理指标的情境。结果显示 5 个前沿模型无一达标,其中 Claude Fable 5.2 以 0.523 分居首。

2026-11-19 ~ 2026-11-20 · 4 条相关

另有 1 条近重复转述:rohanpaul_ai