27B 研究智能体超越 Opus 与 GPT-5.5
rohanpaul_ai · x · 2026-08-15
名为 Faraday 的 27B 研究智能体在论文复现任务中表现出色，分数超过 Claude Opus 4.8 和 GPT-5.5。其核心策略是将“研究方向决策”与“代码实现”解耦：
- 任务设定：移除论文中某个结果图表，要求智能体复现该结果。这迫使智能体处理论文中省略的实现细节、简化策略及实验验证。
- 训练方法：基于 242 个此类任务进行训练，使用自动评分标准进行评估。
- 工作流：模型负责像研究员一样思考并规划研究任务，底层调用更强的编码模型（如 GPT-5.5）执行代码。
在 68 个未见过的 AI for Science 任务中，Faraday 得分 0.791，高于 Opus (0.748) 和 GPT-5.5 (0.729)，并在 60% 的任务中获胜。此外，Faraday 更倾向于实际测试机制而非走捷径。
所属事件:Inherent Labs发布27B模型Faraday论文复现超Claude Opus 4.8(16 条相关)→
「编程与Agent」频道最新
- 四步让 Claude 做出有风格的视频：还能自查出肉眼难见的瑕疵 — aakashgupta · 2026-10-16
- Datadog 发布自研模型 Scout 1.0：RL 训练的生产事故调查智能体 — HanchungLee · 2026-10-16
- 微软论文：给路由器看会话历史，多轮 Agent 任务成功率多提 3.3 分 — dair_ai · 2026-10-16
- 开源 ORA 机器人 agent:DeepSeek V4.1-Flash 驱动机械臂,零样本对标闭源 — JunGao33210520 · 2026-10-16
- 非开发者30天做出平台格斗游戏，Hermes Agent成主力 — Teknium · 2026-10-16
- 2 人+5 智能体协作写码：英文描述需求即可自动实现 — nptacek · 2026-10-16