T
traeai
登录

产品

CORE-Bench

测试AI复现已发表科学研究结果能力的基准测试。

已跟踪 2 条高相关材料

TraeAI 观察

相关材料

已收录 2 条与 CORE-Bench 相关的内容,按评分排序。

When AI Builds Itself: Our progress toward recursive self-improvement

当AI构建自身:我们迈向递归自我改进的进展

Hacker News Best5602 字 (约 23 分钟)
92

AI递归自我改进正加速到来,Anthropic内部数据显示工程师代码产出提升8倍,模型可靠任务时长每4个月翻倍,预计2027年可处理周级任务。

入选理由:Anthropic工程师季度代码产出较2021-2025年均值提升8倍,AI已实质性加速研发。

精选文章#递归自我改进#Anthropic#AI智能体#SWE-bench#METR英文
TensorTonic「从第一性原理讲清评测」:同一模型换评分和配套,排行榜结论就可能翻转

来自 @TensorTonic 的分享,作者先读了 Anthropic、OpenAI 和 Google D...

模型评测结果可能因评分标准和配套工具变化而翻转,评测应关注真实结果而非预设路径。

入选理由:同一模型在不同评分标准下得分可能相差极大,如 Claude Opus 4.5 从 42% 提升至 95%。

精选推文#模型评测#AI#TensorTonic#Anthropic#OpenAI中英混合

跨材料问答 · CORE-Bench

回答基于:CORE-Bench 相关 2 条材料
    0 / 500

    AI 可能会生成不准确的信息,请核实重要内容