实体
JobBench
JobBench
PulseAugur coverage of JobBench — every cluster mentioning JobBench 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
1
90 天内 1
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
-
IQuest-Q1模型生成游戏并调试RL训练数据
IQuest Research发布了IQuest-Q1，一个拥有320B参数、稀疏MoE架构（激活15B参数）的模型。该模型展示了令人印象深刻的能力，包括根据简单Prompt生成功能性的HTML游戏，以及识别出RL训练数据中导致文本解码和轨迹拼接问题的细微bug。IQuest-Q1在NL2Repo、CyberGym、Terminal-Bench 2.1、DeepSWE v1.1和JobBench等各种基准测试中也表现强劲，在其参数类别…
-
新的GDPevo基准衡量AI智能体的自我进化能力
一个名为GDPevo的新基准已被开发出来，用于衡量AI智能体的自我进化能力。该基准解决了评估智能体如何有效地从经验中学习并在复杂、现实世界的业务任务中随着时间推移提高其性能的挑战。GDPevo使用自动化流程生成任务，并采用“规则杂交”技术来防止智能体仅仅记忆训练数据，而是迫使它们进行泛化和适应。