RSI-Exam 榜单更新:GPT-6-astra 居首,Fable 5.1 空降第二
HuaxiuYaoML · x · 2026-09-18
递归自我改进基准 RSI-Exam 更新了榜单，新增三家前沿模型入榜：
- GPT-6-astra 仍以 0.5126 位居第一
- Fable 5.1（Anthropic）首发即 0.4813 排名第二
- Meta 的 Muse Spark 与字节 Seed-Evolving-0909 也已入榜
- 截至本版，仍没有任何模型达到 frontier-calibrated 参考线
RSI-Exam 通过可执行研究任务评估 AI 智能体能否在长周期中自我改进并泛化到未见数据：智能体需进行数小时自主实验来优化解题方法或驱动冻结模型的 harness，最后在隐藏测试集上跑一次定胜负。基准含 88 个公开任务，覆盖 AI 模型与智能体、物理科学与工程等 6 大领域，如 Lean 4 证明搜索工作流设计、3D 高斯泼溅压缩、外行星透射光谱反演等。
所属事件:RSI-Exam 排行榜更新:GPT-6-astra 居首，Fable 5.1 空降第二(3 条相关)→
「研究」频道最新
- 哈佛教授承认：AI 生成的文章评审已全面优于人类最佳水平 — iamfakhrealam · 2026-11-04
- Cohere等论文:合成预训练收益竟源于嵌入初始化偏差 — LauraRuis · 2026-11-04
- kalomaze 展示 DeepSeek V3.1 底座更大骨干实验，eval loss 降至约 0.82 — kalomaze · 2026-11-04
- Reddit 网友无梯度改写 Qwen 0.6B 权重：39.8M token 让模型「爱上一支乐队」 — Altruistic_Heat_9531 · 2026-11-04
- SpecPilot 智能体自动优化投机解码：速度从 4.46× 提升至 10.87× — pmttyji · 2026-11-04
- 自主 Agent 定制 MSA 策略，提升 AlphaFold 3 蛋白复合物预测 — SJTU · 2026-11-04