DAIR.AI 构建论文分诊基准并比较 Drex Max 与 Jev

2026年10月22日，Elvis Saravia（DAIR.AI）公布了一项用决策模型做论文筛选的小型基准测试。据其介绍，该测试用250篇AI论文判断论文是否属于 Harness Engineering 或 Self-Improving Agents 两个阅读合集；其中用101篇论文为每个模型和合集分别选择决策阈值，再在其余149篇上测量结果。结果显示，在149篇测试论文上，Drex Max 两个标签都判断正确的比例为76.5%，Jev 1.14 为74.5%。作者称，Drex Max 来自 Nace，其获得了早期访问权限，并与新版 Jev 1.14 对比。作者同时说明，这仍是探索性比较，早期开发所用标签和论文数量较少，在依赖这些判断前，用新标注论文测试会更可靠。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。