FrontierCS 2 发布计算机科学研究智能体基准

FrontierCS 2 发布，用于评测 AI 智能体做计算机科学研究的能力。每个任务从论文随附代码中删去关键贡献，智能体需要重写；只有在隐藏负载的每项指标上都超过人类参考实现，才算通过。 每次运行有 5 小时实际耗时上限，并安装到使用者自己的 AWS 账户中。另有一套超过 100 个任务的私有集，发布时间未定。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。