METR 发布 RE-Bench：对比语言模型智能体与人类专家的 AI 研发能力
METR 发布 RE-Bench 基准，用 7 个 ML 研究工程环境衡量人类专家与前沿模型智能体的表现，并公开 71 次人类专家尝试及 Claude 3.5 Sonnet 和 o1-preview 的全部运行转录。
Agent智能体 大事记
重要进展 IMPORTANT_PROGRESS
2025-02-02 — 2025-02-02
重要进展 · 第 35 / 55 页
ChatGPT 推出多步骤 deep research
OpenAI 在 ChatGPT 推出 deep research，通过搜索、分析网页与材料完成多步骤研究并提供引用。初期向 Pro 用户开放；后续扩大范围不与首发混淆。
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