发布 FrontierCS 2 计算机科学研发基准

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。 任务覆盖 13 个领域，从机器学习系统、高性能计算到数据库、安全和机器人学。除这 48 个任务外，FrontierCS 2 还保留了 100 多个私有任务，将在未来公布。研究者评测了 12 个智能体，其中表现最好的是 Claude Opus 5.5，通过了 58% 的运行。

AI 根据报道生成 · 49 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。