返回雷达
RL 基础设施 美国
重点关注
BenchFlow
BenchFlow
Agent 前沿环境实验室：SkillsBench / ClawsBench / FrontierPhysics + 反作弊评测运行时
一句话定位
Agent 前沿环境实验室：SkillsBench / ClawsBench / FrontierPhysics + 反作弊评测运行时
研究方向关键词
SkillsBench ClawsBench FrontierPhysics Reward Hacking Defense Env Snapshot/Rollback
判断与"为什么值得盯"
创始人李相一（Xiangyi Li），Jeff Dean 等投资的评测基建公司，定位"环境即新数据"（labels → 轨迹 → environments 3.0）。SkillsBench 半年 170+ 引用，FrontierPhysics 冲 Nature。真正稀缺的是它的 Runtime 硬化：4 层沙盒反 reward hacking（BenchJack 型攻击 32.6%→0.15%）+ 环境快照/状态回滚，恰好补上"评测作弊与行为监控"这块业界空白。值得盯：环境快照回滚基建能否成为 agent 评测的事实标准，以及 rubric reviewer agents 这条科研评测路线。