Odysseys 基准亮相 COLM 2026,专测长时程计算机操作智能体
rsalakhu · x · 2026-10-09
针对长时程计算机操作智能体(long-horizon CUAs)的新基准 Odysseys 将在 COLM 2026 以海报形式展示(poster 46,Imperial Ballroom),由 Lawrence Jang、Jing Yu Koh 等研究者呈现。
- 这是少数专门评估智能体在真实计算机上完成多步、长时间任务的 benchmark
- 评测细节需见海报与后续论文
「研究」频道最新
- Salesforce 提出 SRD 蒸馏后见之明，2B 模型成功率从 0 到 60.6% — Salesforce · 2026-10-09
- Claude 声称发现 500 光年外一对红矮星双星系统 — nitarshan · 2026-10-09
- Prompt tuning 被集体遗忘，微调 token 或被严重低估 — cephaloform · 2026-10-09
- Baeza-Yates 演讲：机器学习模型评估何时能不再自欺 — PolarBearby · 2026-10-09
- 阿尔茨海默病翻译挑战赛启动:1.5 亿细胞图谱开放给 AI 研究者 — xeophon · 2026-10-09
- 换 harness 不换模型,GPT-5.6 仓库迁移成绩从 6.5% 飙到 31% — omarsar0 · 2026-10-09