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
2026-02-05 — 2026-02-05
重要进展 · 第 33 / 105 页
Claude Opus 4.6 增强大型代码库工作能力
Anthropic 发布 Opus 4.6，提升规划、长程 Agent 任务、代码审查和调试，并为 Opus 系列提供百万 token 上下文测试。
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