METR 研究更新：算法评分高估 AI 智能体真实软件工程能力
METR 在 stdlib-js 和 hypothesis 两个仓库的 18 个真实 issue 上评估 Claude 3.7 Sonnet（Inspect ReAct 智能体），按维护者测试用例算法评分成功率为 38%（±19%），但人工评审的 15 个 PR 中没有一个可以直接合并。
Agent智能体 大事记
重要进展 IMPORTANT_PROGRESS
2026-03-09 — 2026-03-09
重要进展 · 第 25 / 55 页
Runway Characters 推出实时对话视频智能体
Runway 正式推出 Characters 实时视频智能体 API，支持从单张图像建立可对话角色，并配置声音、知识和动作。此为产品推出节点；5月4日工程文章介绍既有系统，不再被误记为首发。
Agent智能体 精选历史资讯
— · 1 条
精选资讯 · 第 1 / 1 页
分类
排序
暂无内容