RE-Bench(METR):在 7 项机器学习研究工程任务中,预算为 2 小时时,AI 智能体的平均得分高于人类专家;预算为 32 小时时,人类的平均成绩几乎是最佳智能体的两倍由 AI 翻译,经编辑部审校2024/11/22 · 科学 · 软件开发技术AI 递归自我改进来源metr.org ↗¶ csrkaiiv2