首个端到端基准：在真实工作中评测 AI 的持续学习与长程智能体能力
ysu_nlp · x · 2026-09-11
研究者 Zhihan Liu 发布首个针对计算机使用、持续学习与长程智能体能力的端到端 benchmark，场景设定在一份真实工作中。论文指出通往 AGI 的两大路障——递归自我改进与持续学习——本质同源：AI 不仅要像人一样行动，还要像人一样在快节奏、时间敏感、复杂的世界里自我教学。该基准观察前沿 AI 如何像学徒一样在真实岗位上行动与学习，作者称这将预示 AI 原生世界的未来。
所属事件:ApprenticeBench发布：首个岗位级持续学习基准(14 条相关)→
「研究」频道最新
- 医疗评测：Kimi K3 平 GPT-6，但疑难病例开源落后 17 个百分点 — keunwoochoi · 2026-10-27
- 健康专项榜单洗牌：综合第 9 的开源模型跃居 Health Index 第一 — keunwoochoi · 2026-10-27
- 开源编译器 Latch 从 PyTorch 生成训练 megakernel，H100 上提速 2.75 倍 — sguada · 2026-10-27
- Goodfire 投入 1000 万美元启动 AI 版「人类基因组计划」破解可解释性 — CatAstro_Piyush · 2026-10-27
- π0.5 实验：演示数从 10 增至 438，放球入碗成功率 7%→83% — stingning · 2026-10-27
- 灵巧操作基准 HandsOn 发布:66 个人工核验任务配 1.8 万条人类示范 — stingning · 2026-10-27