大语言模型能力测试

AI系统在自动化研究开发方面仍存明显局限

研究人员通过InnovationEval基准测试评估了当前AI系统独立发现新型机器学习算法的能力。该测试要求AI代理在无法接触参考论文的情况下，开发出能匹配人类研究者成果的自蒸馏后训练方法。