跳到正文
热点事件持续更新

AutoRAGBench发布:智能体自主搭建RAG系统表现优于人工基线

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omarsar0发布AutoRAGBench评测基准,测试编码智能体在无起始代码、无建议方案的情况下,能否在六小时内利用一块H800 GPU完成九项RAG开发任务。结果显示,GPT-6.1 Sol搭配Codex CLI平均得分56.1,高于由最佳已发表方法组成的人工基线(44.4分)。 该基准还对比了智能体从人工设计系统出发与从零开始的表现,前者在七项任务中平均提升16.6分。论文同时评估了九种智能体配置及其开发过程,旨在衡量AI自主构建检索增强生成系统的能力。

AI 根据报道生成 · 1 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月22日
  1. elvis (X)
    AutoRAGBench 发布:评测编码智能体能否自主搭建 RAG 系统

    论文提出 AutoRAGBench,让智能体在无起始代码、无建议方案的情况下,用六小时和一块 H800 GPU 完成九项 RAG 开发任务。GPT-6.1 Sol 搭配 Codex CLI 平均得分 56.1,取各任务最佳已发表方法组成的人工基线为 44.4。当智能体从人工设计的系统出发而非从零开始时,七项任务平均提升 16.6 分;论文还比较了九种智能体配置及其六小时内的开发过程。

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。