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
2026-08-13 — 2026-08-13
重要进展 · 第 9 / 55 页
DeepSeek Harness 研究预览公开
DeepSeek 公开 DeepSeek Harness 研究预览，为长程工具执行提供可调整的智能体运行框架；与同日 V4-Pro 正式版模型发布分开记录。
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