实体
Atomic Score
Atomic Score
PulseAugur coverage of Atomic Score — every cluster mentioning Atomic Score across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新基准揭示AI智能体难以实现完整的科学闭环
一个名为PhysClosureBench的新基准已被开发出来，用于评估AI智能体在物理学研究中进行科学调查并得出有充分证据支持的结论的能力。该基准包含50个专家验证的任务，通过原子分数（Atomic Score）评估局部科学成就和研究闭环的完整性。在评估的七个前沿大型语言模型（LLM）中，Claude Opus-5表现最佳，获得了高原子分数，但在相当一部分尝试中仍未能实现完整的研究闭环。该研究强调了AI智能体生成科学结果的能力与其在研…
-
新的ATOM-Bench基准测试机器人操作的泛化能力
研究人员推出了ATOM-Bench，这是一个新的真实世界基准，旨在评估机器人操作策略的原子技能和组合泛化能力。该基准包括30个原子任务和24个未包含的组合任务，利用3000个人类演示进行微调和评估。对五个代表性策略的初步测试显示，尽管当前模型可以掌握基本的指令理解，但在细粒度运动技能和可靠地组合所学技能以完成新任务方面存在困难。