AblationBench消融规划评测基准提出
热点事件持续更新
AblationBench消融规划评测基准提出
1 篇报道1 个报道来源12 小时前更新
先了解这件事
AI 综述
2026年11月9日，arXiv Artificial Intelligence 刊出由 Talor Abramovich、Gal Chechik 提出的 AblationBench——一个评估语言模型智能体在实证 AI 研究中消融规划能力的基准套件。该套件包含两项任务：AuthorAblation 有 83 个实例，ReviewerAblation 有 350 个实例，并配有基于语言模型的自动评判框架。报道称，表现最佳的前沿语言模型系统平均仅能识别 45% 的原始消融实验，低于人类水平；作者任务与审稿任务之间呈现反向性能趋势。分析还发现，链式思维提示优于基于智能体的方法。上述数字与结论均来自该篇报道，尚无其他跟进报道予以独立验证。
AI 根据报道生成 · 12 小时前更新
最新进展11月9日 13:00
AblationBench：评估实证 AI 研究中的消融实验自动规划报道时间线
沿着报道，了解事件的不同侧面。
11月9日
- arXiv Artificial IntelligenceAblationBench：评估实证 AI 研究中的消融实验自动规划
AblationBench 是评估语言模型智能体消融规划能力的基准套件，包含 83 个实例的 AuthorAblation 和 350 个实例的 ReviewerAblation 两项任务，并配有基于 LM 的自动评判框架。前沿 LM 表现最佳的系统平均仅能识别 45% 的原始消融实验，低于人类水平，且作者任务与审稿任务间呈现反向性能趋势。分析还发现链式思维提示优于基于智能体的方法。
本事件热度走势
- 可比范围当前
- 7
- 可比范围峰值
- 1011月9日 14:00
- 近 24 小时变化
- –
02.557.510
14:0016:0018:0020:0022:0011月10日
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。