发布 InfraDev 基准：编码智能体开发 AI 基础设施
热点事件持续更新
发布 InfraDev 基准：编码智能体开发 AI 基础设施
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
研究者发布 InfraDev 基准，用来自 Megatron-LM、vLLM 和 verl 的真实 PR 构建 36 个覆盖训练、推理与强化学习的基础设施开发任务，并通过隐藏探针和提示词联合评分，检验编码智能体开发 AI 基础设施的能力。结果显示：六个前沿模型最好成绩仅解决 38.9% 的任务；若只用原始 PR 描述作为提示词，则没有一个模型能解决任何任务。评测还发现，探针拒绝了 32% 已通过全部官方测试的提交，说明仅靠官方测试不足以判定任务完成。据论文称，把已发现的差异转化为智能体技能后，某前沿模型在 Megatron-LM 任务上的解决率提升了 10.5%。
AI 根据报道生成 · 1 小时前更新
最新进展10月28日 12:00
InfraDev 基准：编码智能体能开发 AI 基础设施吗，如何评判报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv cs.AIInfraDev 基准：编码智能体能开发 AI 基础设施吗，如何评判
研究者发布 InfraDev 基准，用来自 Megatron-LM、vLLM 和 verl 的真实 PR 构建 36 个训练、推理与强化学习基础设施开发任务，并通过隐藏探针和提示词联合评分。六个前沿模型最好成绩仅解决 38.9% 的任务，探针拒绝了 32% 通过全部官方测试的提交，把发现转化为智能体技能后某前沿模型在 Megatron-LM 任务上的解决率提升 10.5%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。