基准污染 LLM-DailyDigest 2026-08-12 2026-08-12 约 100 字 预计阅读 1 分钟 基准污染 本主题由提交工具自动创建,可在此补充洞察与资料。 相关消息(按子主题自动聚合) 创意重建 1 Reconstruction:从发表前参考文献盲重建研究创意 08-18 协同测量 1 AI 编程智能体团队的协调测量 08-18 历史回测 1 科学问题发现的历史回测协议与天文学试点 08-18 基准优化 1 量化 ASR 模型的基准优化行为 08-21 探针效度 1 探针方向由提示词决定,而非模型属性 08-16 智能体框架 1 Prime Agent 开源自我改进智能体框架 08-11 模型评测 1 表格基础模型懂物理吗?数据污染、单位与确定性极限 09-03 论文写作 1 1947篇AI顶会论文揭示高质量论文写作法则 08-14 评测审计 1 Phantom Gains:用实测零基线审计模型自我改进 08-21 谜题评测 1 Pencil Puzzle Bench:可逐步验证的多步推理评测基准 08-14 重构评测 1 SWE-Bench ProMax:大规模多语言代码重构智能体基准 08-12