清华 AutoRAGBench:AI 智能体自动开发 RAG 系统超人类基线

清华大学联合新浪微博发布 AutoRAGBench,首个评测 LLM 智能体能否在开放代码空间从零自动开发 RAG 系统的基准。基准包含 9 个开发任务,不提供起始代码与策略指导。结果显示智能体表现出色,其中 GPT-6.1 取得 56.1 分,超过人类最佳设计的基线,表明 AI 自动搭建检索增强系统已具备竞争力。

2026-11-20 ~ 2026-11-22 · 2 条相关