实体
BixBench
BixBench
PulseAugur coverage of BixBench — every cluster mentioning BixBench across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
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
-
研究发现：AI代理在长期任务中常无法及早发现错误
来自加州大学洛杉矶分校、Google Research、Google DeepMind 和纽约大学的研究人员最近的一项研究调查了AI代理在长周期任务中的可靠性。通过分析软件工程、终端任务和生物信息学中超过2500个代理轨迹，他们发现，即使任务最终被标记为已解决，代理也常常无法识别或从早期错误中恢复。研究强调，推理和规划错误通常发生在可见的错误操作之前，而一个错误的步骤会显著增加后续步骤出错的可能性。研究表明，虽然代理难以自我纠正，但外…
-
Bioinfoysis：新型多智能体系统增强了用于生物信息学任务的 LLM 智能体
研究人员推出了一种名为 Bioinfoysis 的新型多智能体系统，旨在增强大型语言模型智能体在生物信息学领域的能力。与以往侧重于最终答案的系统不同，Bioinfoysis 将规划、工具使用和代码执行视为持久的、基于工件的分析运行。这种方法确保结论与支持数据、计算和证据保持关联，这对于长周期的生物信息学任务至关重要。该系统结合了全局规划和分步、基于证据的重新规划，并在下游使用前验证生成的脚本和图表。在 BixBench 和 LAB-B…