周四，Laude研究所宣布了其首批"弹弓"(Slingshots)资助计划的获奖项目，旨在"推进人工智能的科学研究和实践应用"。

"弹弓"项目被设计为研究人员的加速器，意在提供大多数学术机构无法获得的资源，无论是资金支持、计算能力，还是产品和工程技术支持。作为回报，获奖者承诺产出某种最终成果，可以是初创公司、开源代码库或其他类型的研究成果。

首批入选队列包含十五个项目，特别关注AI评估这一难题。其中一些项目对TechCrunch读者来说并不陌生，包括命令行编程基准测试Terminal Bench和长期运行的ARC-AGI项目的最新版本。

其他项目则对长期存在的评估问题采取了全新方法。由加州理工学院和德州大学奥斯汀分校研究人员构建的Formula Code项目，旨在评估智能体优化现有代码的能力，而哥伦比亚大学的BizBench项目则提出了针对"白领智能体"的综合基准测试。其他资助项目还探索了强化学习或模型压缩的新结构。

SWE-Bench联合创始人John Boda Yang也是入选队列的一员，他领导着新的CodeClash项目。受到SWE-Bench成功的启发，CodeClash将通过动态竞赛框架来评估代码质量。

Yang告诉TechCrunch："我确实认为人们继续在核心第三方基准测试上进行评估会推动进步。我有点担心未来基准测试会变得只针对特定公司。"

Q&A

Q1：Laude研究所的"弹弓"资助计划是什么？

A："弹弓"项目是Laude研究所推出的研究人员加速器，旨在推进人工智能的科学研究和实践应用。该项目为研究人员提供大多数学术机构无法获得的资源，包括资金支持、计算能力以及产品和工程技术支持。

Q2：首批"弹弓"资助计划有多少个项目？主要关注什么领域？

A：首批入选队列包含十五个项目，特别关注AI评估这一难题。项目包括Terminal Bench、ARC-AGI项目最新版本、Formula Code以及BizBench等，涵盖了代码优化评估、白领智能体基准测试等多个方向。

Q3：CodeClash项目有什么特色？

A：CodeClash项目由SWE-Bench联合创始人John Boda Yang领导，受到SWE-Bench成功启发。该项目将通过动态竞赛框架来评估代码质量，采用了全新的代码评估方法。