Google 用 29 个 AI Agent 花 11.5 小时造出 50 题因果推理基准
andrewaltair · reddit · 2026-11-14
Google Research 博客披露，其用 Antigravity 的 Teamwork 功能让 29 个 agent 耗时 11.5 小时，将 13 张公开数据表转化为一个 50 任务的因果推理基准。题目要求模型判断给定数据能否识别因果效应，能识别时对照已知答案估计效应大小。
作者特别点赞其审稿环节：由独立的 reviewer 和 auditor agent 找出题面措辞中的线索与捷径——比如某类措辞的题目都出自同一模板、模型不作因果推理也能答对——并把这些坏题目变成后续草稿的测试用例。作者同时提出一个开放问题：第二个 agent 能否可靠抓住这类模板泄漏，还是应保留一套 agent 从未见过的、人工编写的测试集？
「编程与Agent」频道最新
- Perplexity 团队在 SGLang Summit 分享极简 LLM 训练框架，即将开源 — BanghuaZ · 2026-11-14
- 趁用量额度重置前动手：一次大重构已删 5 万行代码 — rudrank · 2026-11-14
- PHPcon 新潟演讲：用生成 AI 做团队开发的 7 个要点 — 4310sy · 2026-11-14
- 「Agent Skills」神秘面纱下：其实只是个用 npx 安装的 Markdown 文件 — kylegawley · 2026-11-14
- 让代码库「间歇性禁食」：给 agent 定写代码的作息表 — vincent_koc · 2026-11-14
- HeyGen 开源 hyperframes：编码 Agent 也能输出确定性 MP4 产品视频 — victor_explore · 2026-11-14