标签
描述了开发一个开源静态分析器的过程，该分析器利用多种编码模型来评估AI代理的能力和风险。
本文分析了自进化LLM智能体中的两种能力：工具更新能力和工具收益能力。研究发现工具更新能力在不同基础能力层级间持平，而工具收益能力则呈现非单调性，其中中等层级模型收益最大。
本文引入了种群耦合趋势和h场诊断法，分析前沿AI模型在编码与推理能力之间的关系，发现各能力相互协作，但不同实验室侧重点不同。本文提供了测量指南，并预测了基准测试趋于饱和的趋势。