热点事件持续更新
Probe-and-Resume 智能体评估方法提出
1 篇报道1 个报道来源8 小时前更新
先了解这件事
AI 综述
2026年10月16日，arXiv cs.AI 收录论文提出 Probe-and-Resume 智能体执行评估方法。该方法并非全程介入智能体运行，而只在智能体自认完成时调用 critic 探测其状态副本；若被判定为尚未真正完成而遭拒，智能体便从停止处继续执行，而不是重新开始整段任务。报道称，该方法在 Terminal-Bench 2.1 基准上，相比使用传统 critic 的 MCTS 将成功率提升 8.4 个百分点，并以不到一半的成本接近同一底层模型 Codex CLI 的水平。目前公开信息仅涉及方法设计与基准成绩，尚无第三方复现或其他机构验证的消息。
AI 根据报道生成 · 2 小时前更新
最新进展10月16日 12:00
新论文称该方法在 Terminal-Bench 2.1 上较传统 critic 的 MCTS 提升 8.4 个百分点成功率。报道时间线
沿着报道，了解事件的不同侧面。
10月16日
- arXiv cs.AIProbe-and-Resume：何时以及如何评估智能体执行
Probe-and-Resume 在 Terminal-Bench 2.1 上比使用传统 critic 的 MCTS 提升 8.4 个百分点成功率，并以不到一半成本接近同一底层模型 Codex CLI 的水平。该方法仅在智能体自认完成时调用 critic 探测其状态副本，被拒的智能体从停止处继续。
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。