推出FrontierCS 2基准

发生了什么

据arXiv cs.LG报道，研究人员推出FrontierCS 2计算机科学研发基准，用于评估大模型智能体在科研环境中的表现。该基准包含48个开放性任务，覆盖13个领域。评估显示，Claude Opus 5.5表现最佳，通过58%的运行。