Apodex 发布 TRACES 基准：10 位博士手工造 423 道开放研究难题
omarsar0 · x · 2026-09-04
omarsar0 介绍 Apodex 推出的 TRACES 基准，针对现有评测的盲区：HLE、FrontierMath、MMLU、BrowseComp 虽难，但都有标准答案，模型刷遍它们仍可能在真正的开放式研究上卡壳。TRACES 的题目的真值可能需要数月甚至数年才能确认。Apodex 由 10 名 STEM 博士花两个月，扫过 16 个行业板块、561 个行业，手工构建了 423 个高价值问题的问题集。
所属事件:Apodex 发布 TRACES 基准：评测 AI 探索未知(8 条相关)→
「编程与Agent」频道最新
- 开源 ffmpeg-skill:让 Claude Code 本地读懂自然语言剪视频 — TheMoonMidas · 2026-09-05
- Refero Styles 把 2000+ 真实产品设计系统做成 DESIGN.md，免费供 AI 编码使用 — victor_explore · 2026-09-05
- 把 agent 搬进 Slack：Every 团队用它端到端操办会议发布 — danshipper · 2026-09-05
- 一句「我有个 Parallels 里的 Windows」就能让 agent 用上虚拟机 — mitsuhiko · 2026-09-05
- Claude for SEO 开源上线：免千元订阅，已有 1000 star — matchaman11 · 2026-09-05
- 给 Agent 设预算上限：Shumer 分享按任务控制 token 花费技巧 — mattshumer_ · 2026-09-05