ToolGate 管道通过 AI 自动创建科学基准

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-03 04:00

研究人员开发了 ToolGate，这是一个可执行的管道，旨在自动化科学基准的构建和验证，特别是那些需要专业软件的基准。该系统采用三阶段流程：首先，确保解决方案脚本能够与科学软件正确运行；其次，筛选出无需该工具即可解决的任务；第三，验证使用工具的代理能够解决剩余的候选任务。使用 FEniCSx 和 GPT-5.5 实例化的 ToolGate 证明了其在生成经过验证的基准任务集方面的有效性。 AI

影响自动化 AI 基准的创建和验证，可能加速在工具使用 AI 代理方面的研究和开发。

排序理由详细介绍基准构建新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 22 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 详细介绍基准构建新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, infra; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Ke Zhang, Yankang Liu, Roya Zandi, Maziar Raissi · 2026-09-03 04:00

ToolGate：面向依赖工具的科学基准构建的可执行验收流水线

arXiv:2609.02067v1 Announce Type: new Abstract: Scientific benchmarks are commonly built by domain experts who write tasks and cross-check one another's work, or who adapt existing material from textbooks, published papers, and online resources. These routes can produce strong ev…

本文如何被排名

报道来源 [1]

ToolGate：面向依赖工具的科学基准构建的可执行验收流水线

相关实体

相关话题