自主代理
4 published articles
人工智能6 min read
生产力指标
AI编码代理无法伪造的唯一指标：人工工时
Cognition Labs 构建了首个自动化系统，用于评估每次 Devin 会话节省了多少人工工程工时。该模型达到 R² 0.70，但有意低估了结果。更深层的挑战在于：将会话痕迹转化为可辩护的 ROI 数字，这一问题仍未解决。
2026-07-15
人工智能Featured4 min read
特别报道
今年企业 AI 领域最平静的变化：赌代理在集群中工作效果更好
OpenAI 推出工作区代理：持久的、基于云的 AI 工作者，可在 ChatGPT 和 Slack 中运行，处理多步骤工作流程，并跨团队共享上下文。2026 年 5 月 6 日前免费，之后转为基于信用。从 GPT 到组织 AI 的结构性转变。
2026-07-11
NLP与机器学习Featured3 min read
AI研究
为何GPT-5.5在测试智能体自我改进能力的基准测试中占据主导
EvoPolicyGym 隔离了一个关键但研究不足的能力：智能体通过反复受限反馈编辑来完善可执行策略的能力。该基准测试显示 GPT-5.5 在 16 个环境中表现最强，并提供了轨迹级诊断，揭示了不同智能体如何分配预算以及如何将反馈转化为调优参数。
2026-07-11
Anthropic / ClaudeFeatured2 min read
AI 模型
Anthropic 发布 Claude Fable 5：面向长期自主工作的第五代模型
Anthropic 推出 Claude Fable 5，这是第五代模型，可运行智能体数天，应对雄心勃勃的编码项目，并以极少的监督处理复杂的企业工作流程。定价从每百万输入令牌 10 美元起。
2026-07-01