AI EVALUATION, IN CONTEXT.BY EQUALITY MACHINE

OpenCompass Hub

RE-Bench

RE-Bench用于评估AI智能体研发的自动化能力，它由61位人类专家71次在7个具有挑战性的开放式ML研究工程环境中的8小时尝试的数据组成。

评测信息与证据

来源: OpenCompass Hub
发布者: Model Evaluation and Threat Research
评测发布日期: 2024-11-22
采集日期: 2026-08-18
模态: 未收录

本站保留来源报告的结果，不代表独立复测。请先核对任务版本、评测协议、分数单位和报告日期；不同运行条件不能直接合并为统一排名。

原始资料

报告成绩 0

本来源记录尚未收录数值成绩。这不表示模型得分为零，也不表示该评测没有公开成绩；请查阅原始资料。