提出Trace Evolution Bench评测协议

2026年10月14日，arXiv Artificial Intelligence 刊出 Fangfei Li 等作者的研究，提出 Trace Evolution Bench（TEB）自进化智能体评测协议，并配套三个冻结的 80/20/40 数据包。该协议将冻结重打分与上下文或权重更新区分开：更新仅在验证集不下降时被接受，留出标识符不得进入更新，文本更新不与权重更新同榜排名。主榜单为 coding，由封闭工作区中的隐藏单元测试评分；Office 按规则限定的交付评分，制造表格问答为独立数据包。作者称方法在读取留出集之前已在验证筛选中固定。目前报道仅涉及协议与数据包的发布，尚无后续评测结果或第三方复现的报道。

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。