开源动态8
上海交大开源 HLL,测 Agent 验证码处理能力
深度学习自然语言处理
AI 摘要
上海交大等团队:为评测 Agent 应对验证码能力,发布 HLL 基准。测试显示,前沿模型在动态验证中成功率暴跌,暴露出多步交互微操短板,该基准对 Agent 走向真实场景至关重要。
阅读原文 · 深度学习自然语言处理
当 Agent 尝试接管浏览器,连“我是人类”都证明不了?上海交大开源发布交互评测基准 HLL
随着多模态大模型发展,Web Agent 面临验证码挑战。上海交通大学等团队发布 HLL 评测基准,解耦真实度为三维度,对 8 款前沿模型测试,揭示 Agent 在多步交互微操上的短板。

关注公众号
扫码关注
第一时间收到每日精选
相关文章
产品应用8
千问推电商Agent 开店成本大降
本文报道千问办公推出独立第三方电商Agent产品千问办公电商版,接入多平台主流电商工具,可帮商家实现跨电商平台经营管理,大幅降低开店试错成本,目前已面向商家开放邀测。
AI前线
推荐文章9
易宛尧:出海全环节值得AI重做
本文是Founder Park对出海服务商出海一叮创始人易宛尧的深度专访,内容涵盖易宛尧对当前AI硬件创业、品牌出海路径的判断,以及出海一叮用AI重构业务、打造AI Native组织的实践经验。
Founder Park
算法论文9
苹果LensVLM:长上下文的放大镜
本文介绍苹果基础大模型团队与杜克大学联合提出的LensVLM方案,针对长上下文压缩易丢失关键信息的痛点,提出将长文本压缩为图像、模型按需展开细节阅读的新思路,相关研究已被NeurIPS 2026接收,公开了模型、代码与可体验Demo。
机器之心
新闻资讯9
7人5个月 Anthropic造出Git替代品
Anthropic因AI编程规模暴涨,原有Git架构无法满足超大型单体代码仓库的需求,7人工程师团队借助Claude,耗时5个月从零开发出内部源代码控制系统Scion及配套工具,并完成全部迁移,本文分享了整套设计思路与工程实践。
机器之心