UT Dallas 的 LMR-BENCH 入选 EMNLP 2025

UT Dallas 团队推出的 LMR-BENCH 基准入选 EMNLP 2025。该基准用于评测 LLM Agent 能否理解并复现真实的 LLM 研究：评测时向 Agent 提供一篇 NLP 论文，以及一份遮蔽了关键代码的代码仓库，要求 Agent 依据论文信息补全缺失代码并实现目标函数；随后通过单元测试、LLM 评审与人工评审三种方式判定其复现质量。截至该报道，这是本事件的唯一公开进展，尚无具体评测结果、榜单数据或其他团队反馈被披露。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。