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
2025-08-08 — 2025-08-08
重要进展 · 第 46 / 105 页
GLM-4.5 论文公开 Agent、推理与编码训练方案
GLM 团队公开 GLM-4.5 技术论文，介绍开放混合专家模型、混合推理及面向 Agent、推理和编码的训练；记录论文公开，不将其冒充模型首次上线。
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