Pragmatic Engineer 深入 OpenAI 的智能体软件工厂
Gergely Orosz 走访 OpenAI 总部并访谈七位工程负责人，揭示 Codex 已成为公司几乎所有工作的支柱。
Agent智能体 大事记
重要进展 IMPORTANT_PROGRESS
2023-10-10 — 2023-10-10
重要进展 · 第 43 / 55 页
SWE-bench 以真实仓库问题评估软件修复
SWE-bench 从真实 GitHub 问题和代码修改构建软件工程基准，以仓库上下文和测试验证修复结果，成为编码智能体评估的重要基础，而非一次产品能力承诺。
Agent智能体 精选历史资讯
— · 11 条
精选资讯 · 第 1 / 4 页
Trail of Bits 批评 1Password 的 AI 补丁基准存在误导，并发布两个补丁验证 Agent 技能
Trail of Bits 发文批评 1Password 8月6日发布的 FLAWED 报告，称其 26% 的 AI 干净修复率受四项实验设计选择影响而失真，包括刻意指示智能体应用错误修复的提示词占 22% 数据、36% 的试验禁止编译测试，以及不同推理档位设置。
Fireworks 上线 DeepSeek-V4.1-Flash，DeepSWE 达 GPT-6 Astra 水准、成本仅 1/15
Fireworks 发布 DeepSeek-V4.1-Flash，在 DeepSWE 上取得 74.34% pass@1、每任务 $0.43，与 GPT-6 Astra 同一精度区间但成本仅 1/15。
分类
排序
暂无内容