RSI-Exam 排行榜:Qwen3.8 Max 递归自我改进得分大涨 22%
cihangxie · x · 2026-09-05
新基准 RSI-Exam 0.1 发布:88 个可执行研究任务、横跨 6 大领域(虚拟细胞、TPU kernel、芯片设计、量化金融、agent harness、模型蒸馏等),测试 frontier agent 能否把弱方法迭代成在隐藏数据上更强的方案。协议:agent 在可见数据上继承并迭代方法,只有最终产物进入全新容器+隐藏集评测。
目前榜单:
- Opus 5 以平均隐藏集得分领先 88 任务总榜。
- Qwen3.8 Max-0902 在递归自我改进任务上从 0.322 跳到 0.392,提升近 22%。
任务库开放向各领域征集贡献。
所属事件:Qwen3.8-Max 专项训练后 RSI-Exam 得分大涨 22%(2 条相关)→
「模型」频道最新
- 开发者实测:Gemini Argon 分析调试日志优于 Fable 5.1 — ShikharMurty · 2026-10-21
- 用户让 ChatGPT「尖叫」，它陷入无限循环 AAAAHHH 停不下来 — AutomaticScene · 2026-10-21
- 开源新模型 Ornith-1.5-122B 发布:SWE-bench 84.5%,单卡 DGX 可跑 — _akhaliq · 2026-10-21
- Gemini 3.1 Pro 玩「两真一假」：bot 太沉迷账本，秒被识破谎言 — mimi10v3 · 2026-10-21
- 1.3B 开源模型 OXR 登顶三大文档解析榜，百页 101 秒 — aftahi_ai · 2026-10-21
- MiniMax M3.1 Flash 上架 TokenRouter：DeepSWE 73.7%，输出 $0.6/M — MiniMax_AI · 2026-10-21