模型Agent 与开发者12:24FrontierRSI 基准发布:测试智能体能否自主开展模型研究给智能体定了个新考题:不是刷题,而是让它自己设计实验、挑工具去改进模型的学习方法。比起 SWE-bench 这类考写代码的基准,这个更接近真实科研流程。做 Agent 研究的朋友可以拿它当新标尺。#FrontierRSI#智能体#基准测试#推理模型Ate-a-Pi@svpino原文稍后读已读值得跟进有用关注 FrontierRSI