五项基准平均 73.40 对 70.40,FlowBank 更高分且推理成本更低
furongh · x · 2026-10-05
线程第 5 部分:跨五个基准,FlowBank 平均得 73.40 分,对比所评测最强自动化基线的 70.40 分,且报告的平均推理成本更低。所有 agentic workflow 均使用同一个 GPT-4o mini 作为执行器,说明提升来自 workflow 编排而非模型。
所属事件:FlowBank 入选 NeurIPS:互补 workflow 库预计算复用,五基准平均 73.40 胜基线(9 条相关)→
「研究」频道最新
- Judea Pearl：逻辑与因果推断是西方科学两大支柱 — yudapearl · 2026-10-05
- 清华 NLP 推出 LexReward:三维分类体系驱动法律大模型奖励建模 — TsinghuaNLP · 2026-10-05
- 蛋白质折叠数据能让大模型更会推理:微调后 10 项基准全涨 — SJUT1 · 2026-10-05
- MotorMind:通用 VLM 免训练操控真机机器人,成功率 95% — UIUC-CS · 2026-10-05
- MBZUAI 发布 HyperBrowseComp:13 语种 423 题压测浏览 Agent — MBZUAI · 2026-10-05
- VaSE:免训练随机 KV 缓存驱逐法,缓解推理模型内存膨胀 — robinomial · 2026-10-05