88 题自改进基准 RSI-Exam 开放 35 题,被看好接棒 SWE-bench
cihangxie · x · 2026-09-12
HuaxiuYaoML 团队宣布 RSI-Exam 的 88 个任务中已有 35 个公开,并持续扩容、欢迎各领域研究者贡献更具挑战性的题目。YC 研究员 YGandelsman 转发评价称这是最值得关注的基准之一,「感觉像下一个 SWE-bench」。该基准聚焦模型自主研究/自我改进能力(RSI),题目来自研究者各自领域的前沿难题。
「研究」频道最新
- PostTrainBench 轨迹数据集月下载破 10 万,作者警告是 RL 奖励作弊所致 — maksym_andr · 2026-10-31
- 研究者为 SGLang 写 200+ 条属性约束，找出 10 个推理缺陷 — LingmingZhang · 2026-10-31
- 30 位专家定义 AI 临床安全分类法，压测显示离自主诊疗仍很远 — AleksandraFaust · 2026-10-31
- 手写 RAGEN 代码成 FrontierCS 2 第三难任务，限 0.5 A100 小时 — wzenus · 2026-10-31
- 复旦腾讯清华推出 ExplorationBench：55 个改动规则考验 AI 真探索能力 — jiqizhixin · 2026-10-31
- 机器人评测绕不开基准难题:Drift 主张按真实部署场景定制测试 — jonstephens85 · 2026-10-31