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
2026-09-10 — 2026-09-10
重要进展 · 第 5 / 55 页
OpenAI Agents API 进入公测
OpenAI 将 Codex 智能体运行框架作为托管服务提供，支持可持续多日的会话、上下文与工具管理、子智能体及隔离运行环境。
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