AutoResearchExam 纳入 Gemini 4 Argon：价格仅竞品 1/3 表现持平
AlexGDimakis · x · 2026-10-21
UCSD 教授 Alex Dimakis 介绍 Bespoke Labs 的 AutoResearchExam 基准并公布新结果：Gemini 4 Argon 加入 Pareto 曲线，ML 工程表现与其他前沿模型几乎相同，但成本低 2-3 倍。
关于 AutoResearchExam：
- 面向开放式 ML 研究任务的 agent 基准，共 29 个任务，测量 24 小时自动研究过程中私有测试集分数的提升速度
- 核心指标为 hidden-test AUARC：结合解的质量、对隐藏测试集的泛化能力与达成速度，区分真实泛化与对验证集的过拟合
- 分析显示排名随评估时间窗口变化，单一时间预算会掩盖模型间差异；同时比较了成本效率与 agent 的研究精力分配
结论：在递归自我改进所需的长程开放研究能力上，Google 的性价比目前领先。
所属事件:Gemini 4 Argon 登 AutoResearchExam：成本仅竞品三分之一(3 条相关)→
「模型」频道最新
- 创业公司 Ampersand 发布首模型，主攻长时程仿真训练栈 — niloofar_mire · 2026-10-21
- Hugging Face 静默上线模型文件体积显示，最高省 2.37GB 下载 — vboykis · 2026-10-21
- Ampersand 发布首个内置隐私的协作模型,RL 训练曲线自嘲走红 — niloofar_mire · 2026-10-21
- GLM 安全训练训出「科幻自我复制恶意软件」专属检测神经元 — burny_tech · 2026-10-21
- Isoquant 推理优化基准：Gemini 4 Argon 以 4.38 倍加速登顶 — ycombinator · 2026-10-21
- Gemini 4 Argon 周配额显示 0% 却从未用过，Antigravity 额度逻辑混乱引吐槽 — koltregaskes · 2026-10-21