哈佛/斯坦福论文提出知识工作基准的四字段报告标准
Shahules786 · x · 2026-09-03
Shahules 线程(5/6)：论文《Designing Benchmarks for Knowledge Work》提出一套清晰的报告标准，用四个字段把基准「测了什么」和「指标能证明什么」分开：
- Represented activity：测的是哪个单元的工作？
- Tested setting：Agent 拿到哪些工具、材料、角色、权限与工作流状态？
- Required work product：应产出什么工件或系统状态？
- Evaluated result：实际检查了产物的哪些属性？
所属事件:哈佛/斯坦福论文提出知识工作基准四字段报告标准(2 条相关)→
「研究」频道最新
- ChatGPT 助攻破解 30 年数学难题,稳定分叉猜想被证伪 — burny_tech · 2026-09-03
- DLCM 论文:从 token 转向概念建模,推理快至 3.3 倍 — burny_tech · 2026-09-03
- 牛津与 NUS 推出 V-RAE:用预训练视觉表征替代像素重建做视频生成 — jiqizhixin · 2026-09-03
- tokenbender：SWA 可视为现代线性注意力的特例 — tokenbender · 2026-09-03
- MazeBench 作者回应评测反馈：算法生成关卡对 agent 无效 — patience_cave · 2026-09-03
- AsyncGRPOTrainer 新增 LoRA 训练支持，FSDP2 实测跑通 — QGallouedec · 2026-09-03