行业与实践 · 标签「tunebench」

研究与基准测试/2026-11-05/16 分钟

TuneBench：为电力系统动态模型校准对人工智能智能体做基准测试

在 15 次仿真预算内校准发电机调速器、AVR 和电池储能控制。10 次运行里，只有 Opus 5.5 和 GPT-6 复现全部目标轨迹，中位 R² 高于 0.995，跟踪误差比遗传算法和随机搜索低最多两个数量级。