Meta 开源 AIRS-Bench 入选 State of AI 报告,测 AI 全流程做研究能力

j_foerst · x · 2026-10-08

Meta AI 开源的 AIRS-Bench 被今年第 9 期 State of AI 报告收录,与 PostTrainBench 等基准并列。该基准衡量 AI agent 端到端执行 AI 研究的能力,覆盖从想法生成、代码实现到实验分析与迭代优化的完整研究生命周期。团队在 Muse Spark 和 Muse Spark 1.1 安全报告中用它评估模型自动化 AI 研发、超越治理机制的风险。基准同时量化 LLM 与 harness 训练 AI 模型的能力,对应报告中的「Gyms for AI」章节。GitHub、ArXiv 与 Hugging Face 资源均已公开。