清华新基准:超半数 AI 智能体未能改进训练算法
alex_verem · x · 2026-08-23
清华大学与 MosaicML 研究人员发布了 AI4AI-Bench 基准，用于测试 AI 智能体重新设计训练算法以实现递归自我改进(RSI)的能力。该基准包含 10 个真实研究仓库，允许智能体在 4 小时内重写训练代码，随后通过 12 小时的重新训练评分。测试结果显示，6 个前沿系统在 29 种配置下的平均得分仅为 0.166（基准线 0.1，满分 1.0），超过一半的智能体甚至未能修改代码。
所属事件:AI4AI-Bench基准测试：AI自我改进能力仍薄弱(3 条相关)→
「漫话AGI」频道最新
- 可解释性研究者泼冷水：模拟不了神经元就不算真正解释了它 — nabla_theta · 2026-10-16
- 从优化结果到教 AI 行善：美德伦理能否进入对齐科学 — joelbot3000 · 2026-10-16
- 教授:推荐信季我在评价「学生 + Claude」的组合 — RoozbehMottaghi · 2026-10-16
- 网友预测黎曼猜想明年内被 AI 攻破 — gautamcgoel · 2026-10-16
- 数据量决定智能边界：模型只在数据充足的领域超人类 — burny_tech · 2026-10-16
- ChatGPT Dot 深度实测三周:像个参谋长,但眼下仍是个 Codex 套壳 — infinitely_zero · 2026-10-16