Frontier-Bench 发布 v0.1，带来 74 个任务的持续更新基准
tokenbender · x · 2026-07-24
Frontier-Bench 被做成了一个 持续更新的 benchmark。
首个版本 v0.1 包含 74 个高难度、多样且高质量的任务。团队表示会定期加入新任务并持续改进现有任务，试图解决传统 benchmark 随时间“失效、贬值”的老问题。
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
- On-Policy Self-Training论文：合成数据自训练遭遇多样性坍缩 — idanbeck · 2026-10-27
- EMNLP 2026 两篇论文：小模型实体追踪超人类、类人短暂记忆研究 — GretaTuckute · 2026-10-27
- 历时十年研究：秘鲁 Tarma 克丘亚语的「反自然」音系限制首获实证 — begusgasper · 2026-10-27
- Clinical System One v0.2:更难测试下顶级医疗 AI 准确率跌至 65% — MaziyarPanahi · 2026-10-27
- IdeaAnchor:用 1.4 万篇论文的灵感溯源教 LLM 基于文献提想法 — armancohan · 2026-10-26
- MIT Ziming Liu 批评 AutoResearch：不懂原理的训练技巧会引发 forking 过拟合灾难 — ZimingLiu11 · 2026-10-26