智能体与自主科学
突破级
暂无讲解视频
收录解读
MLS-Bench 把“AI 系统能否改进 AI”作为一个整体评测问题，而不是只测单个 coding、math 或 benchmark-solving 能力。
它的价值在于任务目录、工具 schema、agent prompt 和 test-time scaling 设置较完整，能作为自改进/自动 ML / AI-for-AI 系统的评估接口。
它值得正式收录，因为本库重视 self-improving agents、agent evaluation 和自动化科研/工程工作流。MLS-Bench 提供了可复用 benchmark 形态。
它没有更高，是因为 benchmark 是否长期有效取决于任务抗污染、是否能跟上模型能力提升，以及是否真的预测真实研发效率。