sex5 chat OpenAI布告推出AI Agent评测基准PaperBench
发布日期：2025-04-04 14:39 点击次数：93
当地时间 4 月 2 日，好意思国怒放东谈主工智能究诘中心（OpenAI）布告推出 PaperBench ——一个评估 AI 智能体复现前沿 AI 究诘智力的基准。智能体需从零运行复现 20 篇 ICML 2024 Spotlight 和 Oral 论文，包括斡旋论文孝顺、设立代码库并告捷扩充执行。据先容sex5 chat，在 PaperBench 上测试多个前沿模子后发现sex5 chat，发达最好的智能体 Claude 3.5 Sonnet（新版）聚首开源框架，平均复现得分为 21.0%。最终其招募顶尖机器学习博士尝试部分测试集，发现上述模子发达尚未高出东谈主类基线。（界面）