AlphaDiana：可验证推理的智能体测量系统

2026 年 10 月 16 日，arXiv cs.AI 刊出 AlphaDiana，一个面向可验证推理任务的智能体测量系统。该系统提供数据集、智能体、环境与评分器四类模块化接口，便于在匹配条件下对工具、技能、记忆等组件实施微观干预，从而考察各组件对推理表现的实际影响。报道称，研究者在三个开源模型、三个开源 harness 与五个基于答案的基准上开展评测，结果发现 harness 并未稳定提升推理准确率，技能引导与保留历史同样不能可靠提升准确率。截至当前，该事件仅有这一篇报道，尚无更多后续进展披露。

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。