作者 | 褚杏娟据 Business Insider 报道，Anthropic 正在通过一个由约 1000 名人类软件工程师参与的项目，提升旗下 AI 编程工具 Claude Code 的表现。该项目在数据标注公司 Snorkel AI 内部代号为 ...
阿里妹导读用一个强 Agent 构建评测 Harness，系统性评测一群业务 Agent（文章内容基于作者个人技术实践与独立思考，旨在分享经验，仅代表个人观点。）一、背景与问题1.1 业务场景某业务系统的内容生成链路由多个子 Agent ...
华尔街见闻 on MSN
花1500美元让AI“黑”自家App：GPT-5成功率70%，多数顶级模型交“零蛋”
知名安全研究员Kasra Rahjerdi自费1500美元测试多款主流大模型的自主渗透能力，结果显示GPT-5.5以70%的成功率遥遥领先，成为唯一具备较强实战漏洞挖掘能力的模型。DeepSeek V4 Pro虽成功率仅30%，但成本优势突出；Claude、Gemini等多数模型受安全护栏、推理偏差或API稳定性限制表现不佳，5款模型全部颗粒无收。
19 小时on MSN
搜索新纪元：Search as Code如何重塑智能体时代的搜索范式
当大语言模型从对话交互迈向智能体应用，搜索技术正经历前所未有的范式转变。传统搜索引擎巨头已悄然调整结果展示逻辑，AI生成的摘要内容取代网页链接占据首屏位置，这种变化背后折射出技术架构的深层迭代——搜索服务的主要对象正从人类用户转向智能体系统。
来自 Northwestern University、O2 AI Lab、Stanford、All hands AI、密歇根大学、康奈尔大学等机构的研究团队，把这个能力正式提了出来，命名为"预算意识"(budget ...
科技行者 on MSN
AI会写3D建模代码了?谷歌DeepMind等机构推出首个专业评测平台，结果 ...
这项由谷歌DeepMind、谷歌研究院与南加州大学联合开展的研究发表于2026年5月31日，论文编号为arXiv:2606.01057v1，有兴趣深入了解的读者可以通过该编号在arXiv平台查询完整论文。 --- 一、当AI遇上3D建模：一场意义重大的相遇 ...
一些您可能无法访问的结果已被隐去。
显示无法访问的结果