热点事件持续更新
研究团队发布因果发现评测基准Heuresis
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19日，研究人员推出基于匿名模拟数据集的基准测试 Heuresis，用于评测并增强大语言模型（LLM）智能体在因果发现中分析数据与修正算法错误的能力。在结合智能体测试框架的评测中，GPT-6.1 Sol 在全部六个数据集族上均超越了最佳算法表现，在最难族群上的邻接 F1 提升了 14%；Claude Opus 5.5 在最难族群上的邻接 F1 提升了 7.4%。研究团队同时表示，相关代码与数据后续将公开发布。
AI 根据报道生成 · 4 小时前更新
最新进展10月19日 12:00
研究团队推出因果发现基准Heuresis，GPT-6.1 Sol等模型表现超现有最佳算法，代码数据将开源。报道时间线
沿着报道，了解事件的不同侧面。
10月19日
- arXiv 机器学习评测与增强智能体因果发现能力：Heuresis 基准测试发布
研究者推出匿名模拟数据集基准 Heuresis，用于评测并增强 LLM 智能体在因果发现中分析数据及修正算法错误的能力。结合智能体测试框架，GPT-6.1 Sol 在全部六个数据集族上均超越最佳算法，在最难族群上的邻接 F1 提升 14%，Claude Opus 5.5 提升 7.4%。相关代码与数据将公开发布。
本事件热度走势
当前热度 9·可比范围峰值 10（10月19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。