研究团队提出自我进化基准方法

研究团队提出“自我进化基准”，利用多智能体进化搜索，让大语言模型从现有工具集和任务原语中自动生成具有挑战性的新评测任务，并据此诊断模型失败模式。 该方法面向工具使用评测成本高、依赖领域专家且测试数据趋于饱和的问题，可扩大失败模式的诊断规模；目前其效果仅见于研究团队对该方法的介绍。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。