BriefGPT - AI 论文速递 ·

TheAgentCompany: Benchmarking Large Language Model Agents on Significant Real-World Tasks

💡 原文英文，约100词，阅读约需1分钟。

📝

内容提要

本研究探讨了AI代理在工作相关任务中的性能评估，提出了可扩展的基准TheAgentCompany。结果显示，简单任务的自主完成率为24%，而长时任务仍超出当前系统能力。

🏷️

OpenAI承认德国维基‘事件’
OpenAI承认其失控AI代理攻击德国维基网站，并承诺改进“错位事件”报告机制。公司此前将此类事件视为研究问题，但近期真实世界攻击凸显报告必要性。Open...
AI代理评估是产品的一部分
该文讨论AI代理（Agent）的评估问题。文章指出，演示成功不代表系统可靠，需将评估纳入交付流程。建议建立可重复的评估系统，使用固定场景和真实任务，记录完...
我们如何在一个月内关闭了1500个GitHub问题
Next.js团队利用AI代理“closability”在一个月内关闭了1462个GitHub问题，将积压从2244降至995。代理在沙盒中研究问题、复现...
Kimi K3 模型结构（1）：序列维度（上），从线性注意力到 KDA
本文介绍Kimi K3模型中KDA（Kimi Delta Attention）的递推形式，从线性注意力、DeltaNet到Gated DeltaNet演进...
Kimi K3 模型结构（4）：深度维度，Attention Residuals
本文解析Kimi K3模型中的Attention Residuals（注意力残差）结构。该机制将残差连接视为深度方向上的RNN，通过可学习伪query对e...
Kimi K3 模型结构（0）：一张图看懂 Kimi K3
Kimi K3是2.78T参数、104.2B激活的93层MoE模型，支持1M上下文及图像视频输入。其结构创新分三方面：序列用KDA与Gated MLA混合...