Bake AI 两个 agent 评测论文获 NeurIPS 2026 接收，JobBench 覆盖 130 项任务
my_cat_can_code · x · 2026-09-26
Bake AI 团队宣布其两篇环境与基准论文被 NeurIPS 2026 接收：
- NARRA-Gym：可执行环境，测试 LLM agent 能否在多轮交互中保持连贯且不断演化的故事线，同时适应用户需求，面向交互式叙事 agent 评测。
- JobBench：用 35 个职业共 130 项任务评测 AI agent，聚焦专家真正愿意委派的工作，而非仅按经济价值排序的任务。团队称 JobBench 已被多家前沿实验室广泛使用。
所属事件:Bake AI 两篇 agent 评测论文获 NeurIPS 2026 接收(2 条相关)→
「研究」频道最新
- Project Callisto 十年验证 500 样本，未发现冷聚变证据 — skdh · 2026-09-26
- 小米开源 MiMo RL 环境数据集，同类任务市价每条数百到上千美元 — HarveenChadha · 2026-09-26
- 上下文嵌入成 RAG 新方向,目前仅 Perplexity 与 Voyage 开放 — antoine_chaffin · 2026-09-26
- 三个月精选论文清单:LLM 分布式训练与推理入门路径 — East-Muffin-6472 · 2026-09-26
- RL 只能锐化已有能力？LLM 时代前的 RL 全是随机初始化训练 — cephaloform · 2026-09-26
- 开发者拆解 OPSD 复现:建议用 judge 定位违规,仅训提醒后 token — willcb · 2026-09-26