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
- HF 工程师争论:非生成任务全用因果注意力是在浪费算力 — antoine_chaffin · 2026-09-11
- 智利学者：AI 反馈规模化是医学教育可持续的关键 — julianvarascom · 2026-09-11
- 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