T2J-BENCH 发布 PyTorch 到 JAX 迁移基准

Tao Feng 等作者发布 T2J-BENCH，一个包含 63 个整仓库 PyTorch 到 JAX 迁移任务的基准，覆盖 18 个模型家族，涵盖训练与推理场景，且要求交付不依赖 torch 的 checkpoint 转换。 该基准配套 TWINHARNESS：每个候选方案在独立的、无 torch 的离线验证器中运行，与从 PyTorch 原版冻结的参考结果比对，并设硬性独立性门槛和连续、无阈值的奖励。作者称，将其应用于 opus-5 智能体，仅使用任务可见资源即可把奖励从 0.649 提升到 0.723，为所有配置中最高。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。