加州大学伯克利分校的研究团队近日发表博客文章，详细阐述了他们在构建可信赖的AI智能体基准测试方面取得的突破性进展。文章指出，当前许多流行的AI智能体基准测试存在设计缺陷，容易被特定策略“破解”或产生误导性结...

AI搜索与问答平台Perplexity近日宣布，通过与开放式金融数据网络Plaid深度集成，正式推出全新的“个人金融”服务。这标志着Perplexity从一个提供投资组合追踪的附加功能，全面升级为一个集成的个人金融中心。用户现在...

近日，GitHub上出现了一个名为“reverse-SynthID”的开源项目，引发了科技社区的高度关注。该项目旨在对谷歌DeepMind旗下Gemini模型所采用的SynthID图像水印检测技术进行逆向工程分析。SynthID是谷歌为应对AI生成图像...

近期，一项针对Claude Code Review系统的实际测试揭示了其在自动化代码审查领域的最新进展与应用潜力。该系统采用创新的多智能体并行处理架构，通过多个专门化智能体协同工作，对代码进行多轮验证，并设定80%置信度...

近日，一个名为Skrun的开源项目在GitHub上发布，为AI智能体（Agent）的部署与应用提供了新的解决方案。该项目核心在于能够将任何“智能体技能”封装并部署为可通过标准POST /run接口调用的API服务。其技术亮点包括对多...

在软件工程领域，质量保证（QA）环节常常成为发布流程的瓶颈，拖慢产品迭代速度。针对这一行业痛点，AI原生端到端（E2E）测试平台QA Wolf提供了前沿的解决方案。该平台利用人工智能技术，能够自主地为Web和移动应用...

近日，GitHub上开源了一个名为Claw-Eval的评估框架，专门用于评估大型语言模型作为智能体的能力。该框架的核心价值在于其构建了一个全面且经过人类验证的基准测试集，涵盖了139项多样化的真实世界任务。与以往许多依...

Meta公司近日正式推出了名为Muse Spark的新型多模态推理模型，标志着其在追求个人超级智能（Personal Superintelligence）的道路上迈出了关键一步。该模型集成了三大前沿技术能力：工具使用、视觉思维链以及多智能体...