Techub News 消息,研究人员推出 FrontierML 基准测试,评估 AI 代理用资金提升模型性能的能力。该测试包含 21 个机器学习任务,代理可在 12 小时 CPU 沙盒中使用 10、50 或 200 美元预算。 Opus 5.5 在 10 美元和 200 美元预算下分别提升 45.4 分和 58.8 分;Kimi K3.1 Pro 分别提升 25.5 分和 29.6 分。研究称,28% 的轨迹中,代理会新增训练模块或从头训练模型。(Import AI)
如您认为本页面(或本平台)内容存在侵权或违规情形,请您在发现之日起尽快与我们联系,并提供:权利人姓名/名称及联系方式、被侵权作品名称及权属证明、具体侵权链接及情况说明。我们在核实后将及时处理相关内容。
联系方式:creator@techub.news
商务合作:contacting@techub.news
点击链接下载 Techub News App,获取最新讯息:
https://www.techub.news/download
(或扫描下方二维码下载)

本网站所提供的所有信息仅供参考之用。
本网站不保证信息的准确性、有效性、及时性和完整性。
任何依赖于本网站所提供信息的行为,均由用户自行承担风险。
Techub News 消息,研究人员推出 FrontierML 基准测试,评估 AI 代理用资金提升模型性能的能力。该测试包含 21 个机器学习任务,代理可在 12 小时 CPU 沙盒中使用 10、50 或 200 美元预算。 Opus 5.5 在 10 美元和 200 美元预算下分别提升 45.4 分和 58.8 分;Kimi K3.1 Pro 分别提升 25.5 分和 29.6 分。研究称,28% 的轨迹中,代理会新增训练模块或从头训练模型。(Import AI)
如您认为本页面(或本平台)内容存在侵权或违规情形,请您在发现之日起尽快与我们联系,并提供:权利人姓名/名称及联系方式、被侵权作品名称及权属证明、具体侵权链接及情况说明。我们在核实后将及时处理相关内容。
联系方式:creator@techub.news
商务合作:contacting@techub.news
点击链接下载 Techub News App,获取最新讯息:
https://www.techub.news/download
(或扫描下方二维码下载)

本网站所提供的所有信息仅供参考之用。本网站不保证信息的准确性、有效性、及时性和完整性。任何依赖于本网站所提供信息的行为,均由用户自行承担风险。