[控场AI]
基准

Frontier-CS

用于评估AI智能体在前沿计算机科学算法编程任务上表现的基准测试

时间轴 (近 90 天)

10月1日

AREX-2 在 MLE-bench Lite 上得分 81.8，在 Frontier-CS 上得分 70.7

待验证50%

全部知识事实 (1)

待验证

AREX-2 在 MLE-bench Lite 上得分 81.8，在 Frontier-CS 上得分 70.7

50%

来源文章

AREX-2：用长程反思任务打造自我改进的AI智能体10月1日