★ 3
NIBench：评测神经影像AI智能体的执行、技能进化与科学判断
arXiv 论文发布 NIBench 神经影像基准，从三方面评测自主智能体：56 项跨七种工具生态的工作流重建任务、执行轨迹蒸馏带来的技能进化，以及基于 36 条阿尔茨海默病研究结论的科学判断。在统一框架下评测 19 个语言模型，发现顶尖智能体能近乎完美执行给定流程，但缺少流程指引时差距拉大，且结…
arXiv cs.AI1 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
arXiv 论文发布 NIBench 神经影像基准，从三方面评测自主智能体：56 项跨七种工具生态的工作流重建任务、执行轨迹蒸馏带来的技能进化，以及基于 36 条阿尔茨海默病研究结论的科学判断。在统一框架下评测 19 个语言模型，发现顶尖智能体能近乎完美执行给定流程，但缺少流程指引时差距拉大，且结…