#Openhagen Worlds

共 1 条 · 7 天 1 条 · 30 天 1 条
信息流里打上「Openhagen Worlds」标签的资讯、产品与论文,按刊登时间排,新的在上。
11月19日
Openhagen Worlds:用于衡量与训练科学发现智能体的校准环境套件

搞 agent 评测的可以看看这套环境,它把"会做实验"和"靠记忆"分开测,每个难度都经过 oracle 和捷径策略双重校准。DeepSeek V4.1 Flash 在最难的八阶段任务上离 oracle 还差 22 个,说明科学发现 agent 还有很大空间,做 RL 训练或评测的人值得拿来跑基线。

arXiv: DeepSeek@Alexander Boesgaard Lorup原文