AI 导读
来自 @Apodex_AI 的新基准，值得深入研究。 TRACES 对 AI 系统在答案尚未确认的发现上进行评分。 这是衡量用于真实研究问题的智能体的一项关键能力。 以下是详细拆解：https://t.co/H9cN6Ff7OM
正文
New benchmark from @Apodex_AI worth digging into.
TRACES scores AI systems on discoveries where the answer isn't confirmed yet.
This is a crucial capability to measure in agents used for real research problems.
Here's the breakdown: https://t.co/H9cN6Ff7OM
来源：@omarsar0 · x.com