arXiv · AI· Ningpei Ding, Zai Wen Feng·· 1 天前AI 评分26
SlowLab：基准测试自主 AI 智能体在不可撤销的一年期实验中的表现
SlowLab: Benchmarking Autonomous AI Agents on a Year of Experiments They Cannot Undo
AI 导读
SlowLab 基准测试显示，在预注册的 48 个未知站点研究中，三个低成本语言模型智能体表现接近标准种植者设置，且明显低于基于该设置的贝叶斯优化基线。智能体将设施作为两个同步批次运行，导致生长季节中采集的测量值未能改变种植决策，且未能改善任何方法的结果。代码以 MIT 许可发布。
来源：arXiv · AI · arxiv.org