FrontierCS 2：面向计算机科学研发的智能体基准发布

研究者推出 FrontierCS 2 基准，包含 48 个开放性任务，做法是取一篇论文及其作者发布的代码、删去论文贡献部分，把删余代码作为人类参考基准。与只给问题描述并在运行后评一个程序的早期基准不同，FrontierCS 2 让智能体进入研究环境、继承可运行仓库并可随时提交补丁，评测器只返回开发套件分数，评估器、保留的最终套件和参考均保持私密。