实践中的OpenEnv：在真实环境中评估工具使用智能体
Meta与Hugging Face联合推出开源评估框架OpenEnv，旨在标准化智能体与真实系统的交互。Turing公司贡献了生产级“Calendar Gym”环境，用于在权限控制、时间推理等现实约束下研究工具使用智能体。该框架采用类似Gymnasium的API，通过标准接口连接真实工具，将评估重点从受控演示转向真实世界可靠性。日历系统因涉及多用户、多步骤工作流等复杂性，成为评估智能体实际能力的强大测试平台。
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
— · 2 条
精选资讯 · 第 1 / 1 页
MiniMax 发布 MiniMax M2.5 模型，专为现实世界生产力打造
MiniMax 最新发布的大语言模型 M2.5，通过在数十万个复杂现实环境中进行强化学习训练，在编码、智能体工具调用、搜索和办公工作等多项任务上达到 SOTA。模型推理效率高，完成 SWE-Bench Verified 评估的速度比前代 M2.1 快 37%，与 Claude Opus 4.6 相当。定价方面，以 100 tokens/秒运行时每小时成本仅 1 美元。M2.5 在超过 10 种编程语言和 20 多万个真实环境中训练，具备从系统设计到测试的全流程能力。
分类
排序
暂无内容