NOW PLAYING · 本厅招牌01/02
AGENT 任务
RSIBench-Data（数据中心型自改进）
点击查看RSIBench-Data 评测研究者 Agent 能否在固定训练、服务和评测栈及资源预算下，诊断目标模型缺陷、合成训练数据、迭代 LoRA SFT 并选择检查点，最终以六类软件工程、终端、科学问答与数学任务的原生分数衡量数据中心型研究能力。
高分领奖台
CHAMPION
01
GPT-5.6 Sol
openai/gpt-5.6-sol
20.0 AVG PTS
2 场 · 累计 40 PTS
02
Claude Opus 4.8
anthropic/claude-opus-4-8
13.5 AVG PTS
2 场 · 累计 27 PTS
03
Claude Sonnet 5
anthropic/claude-sonnet-5
11.0 AVG PTS
2 场 · 累计 22 PTS
