发布 VibeTraining-Bench 基准

研究团队发布 VibeTraining-Bench，用于评测递归自我改进（RSI）中的跨组件协同设计能力。该基准涵盖终端操作、软件工程、多轮工具使用及数学推理四类任务。 为阻止奖励作弊，基准设置了三项保障措施：测试数据隔离、研究与评分容器分离，以及对研究智能体施加网络限制。在每道题目中，研究智能体从相同的初始智能体系统出发，并受固定资源预算约束。 在 SWE-bench Verified 上，GPT-6-Astra 将目标系统性能从 32.9% 提升至 53.7%。相关技术报告已提交至 arXiv（cs.CL）。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。