开源动态7
Trainee - Bench测试：AI Agent离‘上岗’还很远
AI科技评论
AI 摘要
研究团队：现有的Agent评测脱离实际，构建Trainee - Bench测试顶尖模型，结果显示模型成功率低、多任务调度弱、不会持续学习，应提升Agent自主学习性。
阅读原文 · AI科技评论
走出 MMLU 的高分幻觉：AI Agent 的「斯坦利时刻」与职场生存法则
文章指出多模态大模型在基准测试分数高，在实际业务流程却像‘职场巨婴’。研究团队构建Trainee - Bench测试顶尖模型，结果显示模型离‘独立上岗’远，凸显提升Agent自主学习性的重要性。
关注公众号
扫码关注
第一时间收到每日精选
相关文章
推荐文章9
Agent落地不靠更强模型靠工程系统
本文邀请蚂蚁、腾讯、京东的多位技术专家，围绕Agent落地生产环境展开讨论，提出当模型能力逐渐商品化后，真正的竞争壁垒已经转移到模型之外的工程系统，核心是从Harness到Loop的理念转变。
InfoQ
新闻资讯9
王兴兴：对AI不够相信是最大错误
宇树科技创始人王兴兴在2025工博会圆桌论坛上，坦诚反思过去十几年最大错误是对AI不够相信，分享了具身智能、人形机器人领域的核心判断，预判临界点最快一两年到来。
AI前线
新闻资讯8
PAIR2026：AI与量子计算双向赋能
本文报道PAIR 2026大会“下一代计算范式”专题圆桌讨论，多位业内专家围绕AI与量子计算的双向赋能，探讨二者的应用进展、能力边界与科研分工，梳理了前沿探索方向。
DeepTech深科技
新闻资讯8
Anthropic实测：小模型可成AI蠕虫
本文报道Anthropic最新研究实验，证实断开云端的小模型可在廉价家用智能硬件上自主完成自我复制、繁衍进化，分析了AI蠕虫的风险、演进时间与防范方案，为网络安全提出新警示。
AI寒武纪