InfoOrgBench 基准：智能体整理信息层级错误率高
原文标题：InfoOrgBench: Can Agents Turn Scattered Information into Coherent Hierarchies?
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文发布 InfoOrgBench，含 150 项任务，要求智能体把会议纪要、issue 讨论与设计提案等零散记录整理成层级结构。评测 45 套系统后最佳得分 83.2，但会议纪要与 issue 场景均未超过 78，且父级关系错误率普遍高于叶子级，设计提案中近半数输出犯此类错误。
深读 · 结论先行AI 生成展开看要点与影响 ↓
InfoOrgBench 评测 45 套系统整理信息层级，最佳 83.2 分，但父级关系错误率普遍高于叶子级。
- •150 项任务，要求智能体把会议纪要、issue 讨论、设计提案的零散记录整理成层级结构
- •完整性检查确保记录不丢失，Structure Score 在每一层级衡量与源层级的吻合度，不受文件夹命名与顺序影响
- •评测 9 个模型 × 5 个智能体框架共 45 套系统，最佳 83.2 分，但会议纪要与 issue 场景无一超过 78
- •模型选择影响远大于框架：模型均值跨度约 27 分，各框架平均效应不足 1 分
- •三个领域中父级关系错误率均高于叶子级，设计提案中近半数按层级分析的输出犯此类错误
为什么重要：现有基准只测记录保留与局部归组，漏掉了「放错上级」这类高层错误；对做智能体文件整理、知识库构建的团队，换模型比换框架更有效，且需单独校验父级归属。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。