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。
AI 编码 大事记
重要进展 IMPORTANT_PROGRESS
2026-07-16 — 2026-07-16
重要进展 · 第 11 / 105 页
Kimi K3 公布长程编程与原生多模态能力
Moonshot 公布 Kimi K3，支持长程代码库任务、原生视觉和百万 token 上下文；公告区分当日产品可用与计划在 7 月 27 日前开放完整权重。
AI 编码 精选历史资讯
— · 1 条
精选资讯 · 第 1 / 1 页
分类
排序
暂无内容