数据降温 AI 焦虑：最强 agent 仅完成 30.3% 任务
AIFlow_ML · x · 2026-10-28
一条针对 Mithril 报告的补充数据：该报告考察的六次 Claude 失误中，至少三次发生在人类编辑并发出的外部邮件中，说明部分「agent 失控」案例实为人机混合流程。
另一组数据来自 CMU 的 TheAgentCompany 基准（gneubig 团队）：2025 年更新版中表现最好的 agent 独立完成率仅 30.3%。两条数据共同指向当前 agent 实际能力与舆论恐慌之间的差距。
「编程与Agent」频道最新
- PLATFORMday 旧金山将议 Agent Sandboxes:AI 缺失的运行时 — gethackteam · 2026-10-28
- Claude 接 FullEnrich 实测:30 秒为 Linear 建全公司销售情报地图 — socialwithaayan · 2026-10-28
- FullEnrich 实测数据:20 个经理级以上联系人、20 个邮箱、20 credits — socialwithaayan · 2026-10-28
- 实验设计:同一段 prompt,对 Linear 做有无数据源的 A/B 测试 — socialwithaayan · 2026-10-28
- 教程:做一个能与真实软件界面交互的 AI 吉祥物 — dotey · 2026-10-28
- 开发者晒 30 天烧掉 686 亿 token、1.69 万美元的 AI 编码账单 — jasonkneen · 2026-10-28