FrontierCS 2 基准：让 Agent 在删掉贡献的论文代码上超越原方法
berkeley_ai · x · 2026-10-24
Ion Stoica 转发了 Qiuyang Mang 的 FrontierCS 2 基准发布。这是一个面向 CS 研发能力的新 Agent 评测基准：每道任务基于一篇研究论文，从公开代码中删除论文的贡献部分，让 Agent 在看不到论文和联网的前提下，重新实现并超越原方法，以论文作者选定的指标判定成绩。用真实研究论文驱动 LLM Agent 评测的边界推进，是对 agent 研究复现/创新能力的一次高难度检验。
所属事件:FrontierCS 2 发布:最强智能体仅通过约半数 CS 研发任务(7 条相关)→
「编程与Agent」频道最新
- Codex Day 19:改推理档不再失效缓存，CLI 同步更新 — pvncher · 2026-10-24
- 让 Opus 自主写了个「eval agent」，决定让特斯拉跑车飞越海湾 — jnack · 2026-10-24
- 用 217 行纯 SQL 光线步进渲染「骑车鹈鹕」，零 SVG 零位图 — fofrAI · 2026-10-24
- OpenClaw Enterprise 定位：不是 Agent，是 Agent 管理控制平面 — heyneighbor · 2026-10-24
- Factory 在 Together AI 上提前实测 Reflection Beam，覆盖编码与 Agent 工作流 — togethercompute · 2026-10-24
- Seroter 阅读清单：CLI 省 token、agent harness 科普与扩散 LLM 选型 — rseroter · 2026-10-24