研究提出 ASPIRE 基准，测试模型能否从模糊目标中自我进化

研究团队提出 ASPIRE 基准，考察模型能否仅凭一句自然语言能力目标完成自我进化，下游评测任务对智能体保持隐藏。智能体需自行选择数据与更新方法、构建训练和验证信号并决定何时评测，基准同时支持模型权重与 agent-harness 两条进化路径，并在覆盖六个目标的 520 条隐藏专家题目上评测。