热点事件持续更新
贝叶斯方差分解框架评估Agent排行榜可靠性
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年10月2日，斯坦福等机构研究者在arXiv论文（arXiv:2610.00651）中提出贝叶斯方差分解框架，用于评估Agent排行榜的可靠性。该研究分析了Holistic Agent Leaderboard和Harbor Index的22个基准，发现固定模型-脚手架系统的排名可靠性为0.935-0.994，而底层模型可靠性仅0.148-0.841。研究同时指出，增加任务数并不总能修复Agent排行榜的可靠性问题。
AI 根据报道生成 · 3 小时前更新
最新进展10月2日 12:00
新研究提出贝叶斯方差分解框架，发现增加任务数并不总能修复Agent排行榜可靠性。报道时间线
沿着报道，了解事件的不同侧面。
10月2日
- arXiv：cs.AI（全量分类）Agent 评估可靠性研究：增加任务数并不总能修复 Agent 排行榜
斯坦福等机构研究者在 arXiv 论文（arXiv:2610.00651）中提出贝叶斯方差分解框架，分析 Holistic Agent Leaderboard 和 Harbor Index 的 22 个基准，发现固定模型-脚手架系统的排名可靠性为 0.935-0.994，而底层模型可靠性仅 0.148-0.841。
本事件热度走势
当前热度 9·可比范围峰值 10（10月2日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。