Skip to content
简体中文

切换主题

arXiv 2610.04184 · cs.AI · 2026-10-03

EvalResearchBench: Can AI Agents Build Their Own Feedback for Recursive Self-Improvement?

Yaolun Zhang, Tianyi Xu, Yujie Zhao, Jishen Zhao, Qingyun Wu, Huazheng Wang

AG2AI

在最新榜 #359 本站收录于 2026-10-26

一句话要点

EvalResearchBench 测试 AI 智能体能否在固定时间和 API 预算下自己设计评测:挑选或合成任务、写评分器并试运行后冻结;对比 14 个目标基准,最好的评测器能正确排出约 75% 的候选模型对。

EvalResearchBench tests whether agents can design their own evaluators under fixed time and API budgets by selecting or synthesizing tasks and writing graders; compared against 14 target benchmarks, the best evaluators order about 75% of candidate pairs correctly.

22HF 点赞
3GitHub stars
0引用(Semantic Scholar)
36.5热度分

阅读 arXiv 原文 PDF Hugging Face 讨论 代码仓库 项目页

数据说明

元数据来自 arXiv API(已核实);点赞来自 Hugging Face 每日论文;引用来自 Semantic Scholar。最近刷新 2026-10-26。

要点由本站根据摘要自写,不转载摘要原文,请阅读原文。

数据更新于:最新 AI 论文(北京时间)