跳到正文
只看论文#Agent
  1. GitHub Blog · AI & ML62

    GitHub 发布 AI 代码审查开放基准 ReviewBench

    GitHub 发布 ReviewBench，一个面向 AI 代码审查智能体的开放离线基准，现已可通过 ReviewBench 网站使用。

    推荐理由：原文公开了数据集、评分方法和提交流程，可用于比较代码审查智能体的取舍。

  1. Hugging Face Blog76

    Microsoft 与 Hugging Face 发布 ThinkingBox，用后端状态评估 AI 智能体可靠性

    Microsoft 与 Hugging Face 发布 ThinkingBox 和 ThinkingBox-Bench，用 AI 智能体留下的数据库终态与副作用评估任务是否完成，而不是只看回复或工具调用。

    推荐理由：文章把单次成功与连续可靠性分开评估，可帮助判断智能体接入真实业务记录时的风险。

  1. Google Research71

    Google Research 提出用于连贯长视频生成的 AI video co-director 框架

    Google Research 介绍了一套用于连贯长视频生成的研究框架，以 AI video co-director 统一协调 Gemini 和 Veo 上的多智能体视频叙事流程。

    推荐理由：文章将长视频一致性拆成规划、记忆与闭环优化问题，可为多镜头生成工作流提供结构化参考。

已经到底了