热点事件持续更新
研究团队推出AI自主评测基准EvalResearchBench
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年10月6日，研究团队推出用于测试AI智能体自主设计评测基准能力的EvalResearchBench（ERB）。在包含9个研究者智能体、13个候选模型与14个目标基准的测试中，最佳评估器在候选模型成对排序上达到约75%的一致性，低于目标基准间91%的上限。测试结果显示，执行成本最低的评估器取得了最高成对一致性，但智能体生成的评估器目前仍存在截断答案和耗尽预算等缺陷。
AI 根据报道生成 · 4 小时前更新
最新进展10月6日 12:00
研究团队推出EvalResearchBench基准，测试显示AI生成的最佳评估器排序一致性达约75%。报道时间线
沿着报道，了解事件的不同侧面。
10月6日
- arXiv 人工智能EvalResearchBench：AI 智能体能否自主设计评测？
研究团队推出用于测试 AI 智能体自主设计评测基准能力的 EvalResearchBench（ERB）。在包含 9 个研究者智能体、13 个候选模型与 14 个目标基准的测试中，最佳评估器在候选模型成对排序上达到约 75% 的一致性，低于目标基准间 91% 的上限。实验中执行成本最低的评估器取得最高成对一致性，但智能体生成的评估器仍存在截断答案和耗尽预算等缺陷。
本事件热度走势
当前热度 9·可比范围峰值 10（10月6日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。