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
2021-12-17 — 2021-12-17
重要进展 · 第 55 / 55 页
WebGPT 研究浏览器辅助问答
WebGPT 在文本浏览器环境中搜索、浏览网页并收集引用，以人类反馈改善长答案。这是语言模型与外部环境交互的重要早期研究，不等于通用自主智能体正式上线。
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