刚刚,OpenAI开源PaperBench,重塑顶级AI Agent评测
声明:本文来自于微信公众号 AIGC开放社区,作者:AIGC开放社区公众号,授权站长之家转载发布。今天凌晨1点,OpenAI开源了一个全新的AI Agent评测基准——PaperBench。这个基准主要考核智能体的搜索、整合、执行等能力,需要对2024年国际机器学习大会上顶尖论文的复现,包括对论文内容的理解、代码编写以及实验执行等方面的能力。根据OpenAI公布的测试数据显示,目前知名大模型打