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
- Nature 新研究实现全身器官细胞活动成像,揭示跨器官体级回路 — arjunrajlab · 2026-09-11
- SignNet 1M 手语数据集发布 — ducha_aiki · 2026-09-11
- ECCV26 口头论文：流匹配实现多视角点云配准 — ducha_aiki · 2026-09-11
- InFlux++ 方法发布 — ducha_aiki · 2026-09-11
- Skyfall GS 登场:用 Flux 提升 Gaussian Splatting 精修质量 — ducha_aiki · 2026-09-11
- 一万个智能体能否突破反向传播,找到更好的学习算法 — SeunghyunSEO7 · 2026-09-11