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。
AI 编码 大事记
重要进展 IMPORTANT_PROGRESS
2026-07 — 2026-07
重要进展 · 第 13 / 105 页
LongCat-2.0 正式开放模型与推理代码
美团开放 LongCat-2.0 权重及相关推理实现，官方技术公告说明围绕真实 Agent 编码任务的能力与国产芯片部署优化。
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