WebCloneBench：8 小时内完整克隆 Gmail/Slack，测模型复刻 Web 应用能力
multiply_matrix · x · 2026-10-06
Plato 团队发布新基准 WebCloneBench，衡量模型探索、复刻、构建和测试 Web 应用的综合能力。
每个任务给模型一个参考站点（从 Gmail、Google Sheets、Jira、DocuSign、Shopify Admin、Craigslist、Figma、Slack、Zendesk 中选取），要求在 8 小时时限内构建出功能完全对齐的克隆版本——覆盖应用的每一个部分。这是对前端 + agent 长时程任务执行能力的硬核测试，成绩值得后续关注。
「研究」频道最新
- 用国际象棋测 APO，imec 发布提示词优化基准 — LudovicDenoyer · 2026-10-06
- 原子级「走路」的铂钛致动器：一年前演讲仅 2 千播放 — Promptmethus · 2026-10-06
- Manda Robotics 实测：Newton、MuJoCo、Genesis 处理可变形物体差异显著 — facontidavide · 2026-10-06
- DeepMind 推出 SynthID Bio:给 AI 设计的蛋白质嵌入可检测水印 — davidstutz92 · 2026-10-06
- OpenAI 数学突破连爆争议:学界质疑成果来源与透明度 — The Verge AI · 2026-10-06
- 发现曲线加速追踪：网络漏洞最陡，数学再弯，算法开始弯 — dfrsrchtwts · 2026-10-06