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 探索未知的能力(9 条相关)→
「编程与Agent」频道最新
- 开发者自建效率追踪:用 Claude 后快 7.1 倍,两月攒下 2.5 工作年 — arthurcolle · 2026-10-21
- Librarian Agents 论文:智能体自建文件系统,RAG 准确率 44% 升至 77% — simonguozirui · 2026-10-21
- Slack 元老谈 after coding：活文档为真源，AI Agent 维护规范 — josh_wills · 2026-10-21
- SpaceX 客服团队用 Grok Bot 约 10 分钟清完 204 张工单 — XFreeze · 2026-10-21
- GitHub Copilot 推出 HydraFusion：按任务动态编排多模型执行 — WirelessLife · 2026-10-21
- Nous Research Hermes 接入 Cua Spaces,开源模型也能操控电脑 — alexcovo_eth · 2026-10-21