Anthropic发布Agent4Sci长程测试集
热点事件持续更新
Anthropic发布Agent4Sci长程测试集
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
Anthropic与Anthropic Fellows Program发布Agent4Sci长程测试集，用于评估编码智能体改进科学机器学习模型并突破现有最优水平的能力；测试覆盖11个领域、20个基准，不以排行榜呈现结果，而是记录智能体取得进展或失败的环节。 据Anthropic公布的结果，Claude Opus运行取得的模型表现平均相对提升10.4%，所有运行均未出现学术不端标记。轨迹分析称，改进主要来自机器学习工程技巧，而非科研领域的专门洞见；针对相关任务配置技能可显著改善表现。
AI 根据报道生成 · 2 小时前更新
最新进展10月22日 13:17
Anthropic Agent4Sci 测评揭示智能体主要依靠 ML 工程技巧提升科研模型报道时间线
沿着报道，了解事件的不同侧面。
10月22日
- AGI HuntAnthropic Agent4Sci 测评揭示智能体主要依靠 ML 工程技巧提升科研模型
Anthropic 与 Anthropic Fellows Program 发布 Agent4Sci 长程测试集，通过覆盖 11 个领域、20 个基准，衡量编码智能体改进科学 ML 模型 SOTA 的能力。Claude Opus 平均相对提升 10.4%，所有运行均无学术不端标记；轨迹分析显示，提升主要来自 ML 工程技巧而非领域洞见，针对性 skills 可显著改善表现。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。