研究人员推出了Auto-Research Arena,这是一个旨在评估和推进语言模型中自主研究系统的新基准。该平台将研究结果的合格标准(模型质量和资源限制)与衡量进展的指标(选定的目标)分离开来。该Arena已被应用于语言模型预训练,具有九个不同的目标,评估了七个研究框架和两个基础模型。初步研究结果表明,当前的自动研究系统仍有很大的改进空间,因为一些复杂的方***被简单的顺序搜索基线所超越。 AI
影响 该基准测试有望加速自主研究代理的开发和评估,从而可能加快AI的进展。
排序理由 该集群是关于一篇介绍用于评估自主研究系统基准的新学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- Auto-Research Arena
- CatalyzeX
- DagsHub
- Gotit.pub
- Hugging Face
- IArxiv
- ScienceCast
- Xi Chen
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →