Anthropic 公开内部 AI 自动化研究基准
sachdh · x · 2026-08-15
Anthropic 发布了针对“自动化 AI 研究”的新基准。该基准来源于其基础设施和训练栈中遇到的真实问题，将模型置于与开发人员完全相同的代码库状态中，观察其解决能力。据称 OpenAI 在 GPT 5.2 系统卡中也提到了类似的内部评测方法。这预示着未来 AI 编码的发展方向：团队根据自身代码库的困难任务训练模型，以解决相似问题。
「编程与Agent」频道最新
- 四步让 Claude 做出有风格的视频：还能自查出肉眼难见的瑕疵 — aakashgupta · 2026-10-16
- Datadog 发布自研模型 Scout 1.0：RL 训练的生产事故调查智能体 — HanchungLee · 2026-10-16
- 微软论文：给路由器看会话历史，多轮 Agent 任务成功率多提 3.3 分 — dair_ai · 2026-10-16
- 开源 ORA 机器人 agent:DeepSeek V4.1-Flash 驱动机械臂,零样本对标闭源 — JunGao33210520 · 2026-10-16
- 非开发者30天做出平台格斗游戏，Hermes Agent成主力 — Teknium · 2026-10-16
- 2 人+5 智能体协作写码：英文描述需求即可自动实现 — nptacek · 2026-10-16