SolarBench：面向工业运维的Agent基准
ycombinator · x · 2026-07-19
Maingen 在工业运维场景上做了一个新的评测基准 SolarBench，目标是补齐传统 benchmark 很少覆盖的“真实工业操作”任务。
帖子强调，工业运维约占美国经济中的 5T 级别，但需要领域知识，所以过去的 benchmark 覆盖不足。作者和合作者花了大量时间跟太阳能运营人员在现场工作，把他们日常流程翻译成一个给 agent 用的“operations desk”。
SolarBench 会让 agent 跑完一个“为期一周”的值班流程，重点考察：
- 冲突告警的分诊
- 多步骤库存规划
- 按期望收益做维护决策
这是一个更贴近真实工作流的工业 agent 评测，而不是普通静态题库。
「研究」频道最新
- 3D ResNet 论文八年突破 3000 引用，Kinetics 数据集成里程碑 — HirokatuKataoka · 2026-09-11
- 把数据调度变成优化的一部分：样本选择与排序影响 LLM 训练 — Puzzleheaded_Box2842 · 2026-09-11
- Jeff Heaton《神经网络数学导论》开放免费完整下载 — blaizedsouza · 2026-09-11
- 数学家 Daniel Litt 上线问题库,15 题仅 1 题被解,用来追踪 AI 解题进度 — littmath · 2026-09-11
- AI 智能体协作优化 secp256k1 量子电路,挑战打破 ECDSA — StefanoGogioso · 2026-09-11
- Alex Townsend 汇编 200 个数值线性代数开放问题，供人类与 AI 攻关 — IgorCarron · 2026-09-11