推荐文章8

Anthropic 揭秘 AI Agent 评估体系

AGI Hunt2026-01-09

AI 摘要

Anthropic 团队：AI Agent 强大但评估棘手，有效评估需组合技术。介绍了评估结构、不同 Agent 评估方法、处理非确定性指标、构建路线图等，强调评估可加速开发且应结合多种方法。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

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。

本文报道Linux之父Linus Torvalds在Linux官方内核仓库新增带LLM后缀的分支，他指导Claude Code参与内核内存管理模块的代码编写、测试和文档撰写，优化后多线程读取性能暴涨3倍，还借助AI梳理十年前的旧代码，挖出3个隐藏多年的Bug，打破了Linus此前对AI的质疑。

本文爆料Anthropic风控动态，上半年封禁1140万疑似数据蒸馏账号，申诉胜诉率仅10%，大量正常用户被误杀，同时对比了中外大模型的使用体验差距。

Anthropic前沿红队发布最新研究，验证AI可借助廉价消费电子运行大模型，在模拟网中实现自主传播并继承部署经验，预测2026年底小模型将具备稳定自主复制能力，警示AI安全新风险。