跳到正文
热点事件持续更新

Google与JHU提出Pro² Agent

2 篇报道1 个报道来源1 小时前更新

先了解这件事

AI 综述

Google与约翰斯·霍普金斯大学在论文中提出Pro² Agent,将研究智能体的核心状态从代码库改为显式的Problem State,用于持续追踪影响性能的限制因素,并据结果更新修复方案的置信度,而不只是保留得分最高的代码。 论文称,在MLE-Bench全部75项任务、48小时预算下,Pro² Agent奖牌率为76.0%;Lite版首个解的奖牌率为57.6%,高于MARS的28.8%。

AI 根据报道生成 · 1 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月21日
  1. AGI Hunt
    Pro² Agent 论文:将研究智能体主状态从代码库切换为问题状态

    Google 与 Johns Hopkins 发布 arXiv 论文《Pro² Agent: Scientific Problem Probing for Autonomous AI R&D》,将研究智能体的主状态从代码库改为显式的 Problem State。

  2. AGI Hunt
    Google/JHU Pro² Agent 登顶 MLE-Bench,48 小时奖牌率达 76%

    Google 与 Johns Hopkins 论文提出 Pro² Agent,通过显式追踪 Problem State 和更新修复方案置信度,在全部 75 个 MLE-Bench 任务上以 48 小时预算取得 76.0% 奖牌率。其 Lite 版首个解即有 57.6% 任务获奖牌,高于 MARS 的 28.8%。

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。