热点事件持续更新
研究团队提出智能体认知评测基准OEB
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5日，研究团队提出名为 OEB（Open-Endedness Bench）的新评估方法。该方法无需参考答案或最终得分，仅凭解析执行记录来评估 AI 智能体在开放式研究中的认知过程。OEB 将记录编译为统一的认知事件图，对照智能体提出的命题与实际执行动作返回的证据，以此评估其证据支持、实验验证、假设修正及防奖励作弊等能力。在对 3 个基准中 12 项任务的 119 次运行评测中，结果显示智能体声称的改进中仅有 16% 至 29% 真实有效。
AI 根据报道生成 · 4 小时前更新
最新进展10月5日 12:00
研究团队推出OEB评测方法，仅凭执行日志分析认知过程，测试显示智能体声称改进仅16-29%有效。报道时间线
沿着报道，了解事件的不同侧面。
10月5日
- arXiv 人工智能研究提出 OEB：仅凭执行日志评估 AI 智能体开放式研究认知过程
研究团队提出 OEB（Open-Endedness Bench），一种无需参考答案或最终得分、仅通过解析执行记录来评估 AI 智能体认知过程的方法。该方法将记录编译为统一的认知事件图，对照智能体提出的命题与实际执行动作返回的证据，评估证据支持、实验验证、假设修正与防奖励作弊等能力。对 3 个基准中 12 项任务的 119 次运行评测显示，智能体声称的改进中仅 16-29% 真实有效。
本事件热度走势
当前热度 9·可比范围峰值 10（10月5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。