开源动态8

微软：Agent革新代码评测基准

量子位2025-06-19

AI 摘要

微软发布SWE - bench - Live代码修复评测基准，引入新Issue，用REPOLAUNCH实现环境自动化构建与更新。实验显示传统基准存在过拟合，SWE - bench - Live评估更准确，已在GitHub和HuggingFace开放。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

Nick Jennings：智能体AI走向智能社会

8月18日，IJCAI 2026大会上，研究卓越奖得主Nick Jennings回顾智能体发展历程，指出当下智能体AI火热，它并非新概念，而是经数十年积累。还分享经验，展望从智能体到智能社会的未来。

本文分享基于阿里云 AgentLoop 平台的 DeepSeek Harness 评测实践。介绍了 DeepSeek Harness 工程架构，阐述 AgentLoop 平台接入方式及价值，还详述评估器设计思路、展示评测结果，最后总结方法论并展望后续工作。

文章介绍了27.2k Star的FastMCP，它是Python MCP应用框架，能让普通Python函数成为MCP工具。讲了其适合场景、省事原因及上线安全边界，还给出了适用人群和注意点。

OpenHex董舒认为AI最大价值是替人出面干活，提出数字员工概念。他指出判断力密度高的岗位易被AI取代，中国服务业有发展机会。还辨析数字员工类型，介绍其平台OPS Agent，最后分享了数字员工相关Q&A。