谷歌Pro² Agent登顶MLE-Bench,奖牌率76%创纪录

Google 与 Johns Hopkins 研究者发布 Pro² Agent,在完整 MLE-Bench 上取得76.0%的奖牌率,为该基准已报告的最高成绩。论文提出让 AI 研究智能体显式追踪「什么在限制性能」的科学问题探测方法,将主状态从代码库换成「问题状态」,而非只保留得分最高的代码,从而避免传统智能体在困难任务上过早陷入局部最优。

2026-11-21 ~ 2026-11-21 · 3 条相关