算法论文8

FeatureBench 推动 Agentic Coding 评测升级

机器之心2026-03-04

AI 摘要

中国科学院自动化所与华为提出 FeatureBench，用测试驱动评测范式。它能构造接近真实开发场景的任务，保障任务可执行、可验证，区分模型能力，为 Agent 训练等提供数据支持。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

HarnessEval开启RSI时代新评测范式

过去一年AI进入RSI时代，但评测方式仍停留在过去。MirroS联合多方发布HarnessEval，将Harness引入评测领域，使评测成为具备自我进化能力的智能系统，还率先应用于交互式世界模型评测。

IPO前夕，Anthropic最新年化营收达650亿美元，8个月翻超7倍，反超OpenAI。双方在资本市场竞争激烈，A社在起跑时间、财务、商业模式上占优，但OpenAI用户规模和产品生态占优，目前A社牌面更好。

OpenAI发布内部版模型Astra的十项成果，引发数学界震动。菲尔兹奖得主Timothy Gowers分析其成果，指出AI优势在‘输得起’，还探讨找例方法、模型短板，给出训练建议与衡量跨越门槛的标准。

吴恩达团队综合整理AI工程技能地图，助开发者确定学习方向和雇主招聘。四项重要技能为构建和部署AI应用、软件工程基础、使用编程智能体、塑造构建，背后需持续学习心态。