AutoRAGBench:编码智能体在 RAG 开发任务上超过已发表的人类最佳方案
这篇论文用 9 个 RAG 任务测试 GPT-6.1 Sol + Codex CLI,agent 从零开始拿到 56.1 分,超过了已发表人类最佳方案的 44.4 分。做 RAG 系统的工程师应该看看,里面还比较了 9 种 agent 配置的差异。
这篇论文用 9 个 RAG 任务测试 GPT-6.1 Sol + Codex CLI,agent 从零开始拿到 56.1 分,超过了已发表人类最佳方案的 44.4 分。做 RAG 系统的工程师应该看看,里面还比较了 9 种 agent 配置的差异。