Hugging Face Daily Papers·· 2026-10-16AI 评分58
EvalResearchBench:AI Agent 能否自主构建反馈以实现递归自我改进?
EvalResearchBench: Can AI Agents Build Their Own Feedback for Recursive Self-Improvement?
AI 导读
针对复杂基准测试运行成本高、迭代慢的问题,本文引入 EvalResearchBench(ERB),研究 AI Agent 是否能在给定材料、API 及预算约束下自动设计评估任务与评分器。实验对比了 9 名研究者与 13 个候选模型生成的评估器在 14 个目标基准上的表现,发现最佳评估器对约 75% 的候选对排序与目标一致,且开发集最优者未必在密封测试集上最优。
来源:Hugging Face Daily Papers · arxiv.org