评估智能体新标尺：Frontier-Bench 基准测试发布
ajratner · x · 2026-07-24
Terminal-Bench 和 Harbor 团队发布了 Frontier-Bench，这是一个旨在衡量并随前沿智能体工作共同演进的全新基准测试。
目前发布的 v0.1 版本包含 74 项任务，当前最优秀的 AI 智能体在这些任务上的最高得分仅为约 34%。Snorkel AI 作为任务作者和数据合作伙伴参与了该项目的贡献。
所属事件:Frontier-Bench v0.1 发布，最强智能体仅得 34%(5 条相关)→
「研究」频道最新
- LightMTP：轻量潜空间多 token 预测助 LLM 预训练学会提前规划 — gdm3000 · 2026-10-27
- EMNLP 研究：AI 翻译小说读得顺，但质量波动远大于人类译本 — tuvllms · 2026-10-27
- 实验猴荒：中国 3-5 万美元一只，繁育周期 4 年成药物临床前瓶颈 — zebird0 · 2026-10-27
- OpenAI 基金会资助 UNC 肿瘤抗原研究，招聘资深实验科学家 — iskander · 2026-10-27
- 研究者定向干预注意力头：向上提升诚实，向下压制道德虚无 — edelwax · 2026-10-27
- 研究表明神经元足以做电路分析，transcoder 增益有限 — burny_tech · 2026-10-27