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
- Diamandis 详解 AI 癌症导航与 $100 基因测序如何缩小抗癌鸿沟 — PeterDiamandis · 2026-10-27
- EMNLP Oral 论文：免训练 KV 缓存驱逐实现 10 倍内存压缩 — yuz9yuz · 2026-10-27
- ICML 2026立场论文:别把中间token叫「思考轨迹」 — rao2z · 2026-10-27
- forking 收官：probe gap 随上下文频率呈幂律，掩蔽低频 n-gram 可缩小差距 — ZimingLiu11 · 2026-10-27
- 「forking」机制拆解：n-gram 表把 logits 切成互不干扰的子空间 — ZimingLiu11 · 2026-10-27
- 被称最佳 LoRA 讲解视频：从几何直觉讲到任务内在维度 — sophiamyang · 2026-10-27