递归自我改进Agent正变得擅长刷固定基准，评测危机浮现
gottapatchemall · x · 2026-07-06
研究者观察到：正在关注递归自我改进Agent进展的人都清楚，这类Agent在优化固定基准测试上的能力已大幅提升。这一现象暗示现有固定基准的局限性正日益凸显——Agent可以「刷榜」而非真正提升能力——对当前AI评测体系的有效性提出了警示。
「研究」频道最新
- Kimi K3 在网络安全上很强，但 token 效率卡住了评测 — teortaxesTex · 2026-07-27
- ARC AGI 3 应该保持私有，不该公开示例和数据集 — flowersslop · 2026-07-27
- ExploitGym 可能只有六到七成任务可解，引发 OpenAI 作弊争议 — max_paperclips · 2026-07-27
- 5090 本地测试：80k 上下文下 Qwen Q6 速度掉到 15 tok/s — LFAdvice7984 · 2026-07-27
- Chollet 认为智能可能有硬上限，AI 进步会趋于边际递减 — binarybits · 2026-07-27
- 论文提出图拓扑可成为 AI Agent 核心框架 — theomitsa · 2026-07-27