Bespoke Labs 推出 AutoResearchExam：评估科研智能体的自我提升与泛化能力

Bespoke Labs 发布基准测试 AutoResearchExam，将智能体评估从单步推理延伸至自主科研过程。该测试重点考察模型在未知学术问题下的泛化表现与迭代修正能力，记录其能否独立完成实验推导并得出有效结论。评测尺度的延伸，正在丈量自动化研究落地的实际距离。