NVIDIA论文提出基座模型智能体能力评估方法

2026年10月12日，X平台用户Rohan Paul (@rohanpaul_ai) 发布消息称，NVIDIA发表了一篇新论文，提出按智能体运行中的关键编辑步骤来评估基座模型。该论文发现，在智能体运行的每一步都给基座模型打分，效果不如只评估第一次让测试通过的那次编辑。研究方法是回放强智能体的成功运行轨迹，在每次编辑后重跑测试，找到首次通过测试的编辑，再检验基座模型是否偏好该编辑、能否在失败编辑中选中它并写出可通过的版本。目前该消息仅来自上述单一来源，尚无其他主报道或跟进报道，论文的具体细节、发布时间与适用范围均未在现有信息中进一步说明。

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。