MazeBench 完全开源：任意模型配任意 harness 均可参赛挑战
xeophon · x · 2026-08-21
针对「排行榜是否只测前沿模型默认 harness」的质疑，作者 @xeophon 回应称 MazeBench 的代码与所有关卡完全开源，任何人可以用任何模型、任何 harness 提交参赛，遇到运行问题可直接联系作者团队。作者表示很期待看到 MazeBench 被攻克，但认为它短期内不会被解决。
所属事件:MazeBench发布：长时序Agent挑战，无Python仅1%(2 条相关)→
「研究」频道最新
- GoodfireAI 拨款百万美元推动 AI 可解释性研究 — mathildepapillo · 2026-08-22
- UPenn 研究员将分享流图维度扩展与去噪技术 — jmhernandez233 · 2026-08-22
- 数据集翻车：multiPL-E 的 MBPP 子集因正则误操作造出 Rsthon — code_star · 2026-08-22
- Qwen-3.8-27B 在 Strix Halo 上的本地部署与优化指南发布 — PieBru · 2026-08-22
- 动态重打光数据增强：随机化 Dataloader 实践 — StephanSturges · 2026-08-22
- Bilawal Sidhu:射频是下一代世界模型的数据新边疆 — bilawalsidhu · 2026-08-22