新基准RSI-Exam：88个可执行研究任务评估AI自我改进能力
khademinori · x · 2026-08-27
RSI-Exam 是一个新基准，用于评估前沿AI智能体能否通过将弱方法转变为在隐藏数据上表现更好的方法来实现递归自我改进。它包含88个可执行研究任务，涵盖6个领域，包括虚拟细胞、TPU内核、芯片设计、量化金融、智能体框架、模型蒸馏等。每个任务遵循相同协议：智能体继承工作方法并使用可见数据迭代，最终产物在隐藏集上评估。目前Opus 5以平均隐藏集分数领先。该基准开放任务贡献。
所属事件:RSI-Exam 基准发布：88 项任务检验 AI 递归自我改进(7 条相关)→
「研究」频道最新
- RLVR 微调致解空间坍缩，加入 replay 缓冲可保多样性并提升 pass@8 — manoelribeiro · 2026-10-15
- ModeBench 揭示 RLVR 让 LLM 只会一种解法，Re:Max 训练法可保解法多样性 — manoelribeiro · 2026-10-15
- NYU 团队推出 SCOOP：用策略协调循环让 LLM 学会真正探索 — jaseweston · 2026-10-15
- Google WeatherNext 助 NHC 预报飓风 Isaias，提前 3 天锁定路径误差 60 公里内 — PeterWBattaglia · 2026-10-15
- MIT 用简单局部突触规则让神经网络自建学习机制 — ChuckDBrooks · 2026-10-15
- 中科大提出 VASPO:自蒸馏结合特权价值估计改进 PPO 推理 — ustc-community · 2026-10-15