上海交大等提出ASAP框架评估基座模型智能体能力

上海交大等机构的研究者（Jiarui Qin 等）在arXiv发布论文，提出ASAP（Agent Scaffold Adaptation for Pretraining Evaluation）框架，用于在预训练完成后、后训练开始前评估基座模型的端到端智能体能力。 ASAP保持补全（completion）接口，通过结构化轨迹续写、短参考前缀和最小恢复机制适配现有智能体scaffold。论文称，在软件工程和深度研究类基准上，ASAP能在不同基座模型及预训练检查点之间给出有区分度的端到端表现。

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。