Auto Research 时代，47 个没有标准答案的任务成了 Agent 能力必测榜
中文摘要
Frontier-Eng Bench通过47个无标准答案的工程任务，系统测试AI Agent在真实环境中的长程迭代优化能力，并揭示其进化规律。
English Summary
Frontier-Eng Bench tests AI Agents' long-term iterative optimization using 47 open-ended engineering tasks, revealing key evolution patterns in real-world scenarios.
原文节选
📌 一句话摘要 Frontier-Eng Bench 通过 47 个无标准答案的工程优化任务，系统性地测试 AI Agent 在真实环境中的长程迭代优化能力，揭示了改进幂律衰减和深度优于宽度的进化规律。 📝 详细摘要 本文介绍了 Einsia AI 旗下 Navers lab 发布的 Agent Benchmark —— Frontier-Eng Bench，旨在评估 AI Agent 在真实工程场景中的持续优化能力。...