自主科學發現引擎 RUMI：自評失靈與外部評分對比研究
I Built a Judge My AI Couldn't Influence. In 51 Runs, It Never Gave a B.
重點導讀
RUMI 是一個自主科學發現引擎，作者在 51 次實驗中，外部評分平均 52.0 分，內部自評平均 58.9 分，顯示自評僅略高於外部評分。
- - 評分分佈：0 A、0 B、45 C、6 F。
- 平均自評 58.9，外部 52.0，平均差距 +1.1。
AI 伴隨問答
針對這篇報導有疑問？可直接點選快捷問題或向 AI 追問背景脈絡與技術細節：
信源出處dev.to
I Built a Judge My AI Couldn't Influence. In 51 Runs, It Never Gave a B.
本文為 888news 精選之重點導讀。若需閱讀作者完整原文、技術細節與官方討論，請前往原始網站。
來源： Dev.to Top Tech (dev.to)
開啟原文