开源动态7

UCSD：AIBuildAI智能体MLE - Bench夺冠

新智元2026-03-23

AI 摘要

UCSD团队：AIBuildAI智能体无需编程，用自然语言描述任务就能自动开发AI模型。在OpenAI MLE - Bench测试中获奖率63.1%居首，推动AI开发迈向全自动化。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

PoS破解Agent任务停滞难题

智能体执行长程任务时常出现持续行动却无实质进展的「信念受困」问题，南开大学联合阿里云等机构提出PoS方法，通过显式维护信念状态、检测受困并针对性恢复，在多基准任务中显著提升效果，代码已开源。

本文是InfoQ编译的科技播客访谈，Reflection AI由前Google DeepMind Gemini团队成员创立，近期发布了5010亿参数的开放大模型Beam，主打编程、推理和智能体任务，发布一周后传出英伟达拟收购该公司的消息，访谈中分享了对开放模型诸多问题的观点。

本文针对AI能否自主操作科研软件完成真实科研任务的问题，介绍了清华大学牵头多机构推出的OSWorld-Science，这是面向真实科研场景的智能体评测基准，包含146项真实科研任务，评测了12个主流模型，曝光了当前智能体的能力短板，为领域研究提供了统一评测基础。

本文报道Meta超级智能实验室成立一周年发布重磅新模型，Muse Wonder模型家族多项测试成绩顶尖，仅落后Opus 5.5两分，具备四大核心能力，解决行业跑分虚高痛点，现已正式上线。