FutureBench：用预测未来事件评估AI智能体
深度2025年7月17日7 分钟阅读
大多数AI基准测试都在考历史知识，但真正有价值的智能应该体现在预测未来上。FutureBench是一个实时、无数据泄露的基准测试，让AI智能体预测真实世界事件（如利率、地缘政治），并等待时间验证结果。
觉得有用？分享给更多人
相关文章
新版 Claude 模型在调用 Pi 的 edit 工具时，会在嵌套的 edits 数组中凭空捏造大量额外键（如 requireUnique、oldText2 等），导致工具调用失败。作者分析认为，这是由于模型在后训练中过度适应了 Claude Code 的扁平编辑工具 schema，遇到不同形状的工具时更易生成不符合 schema 的调用。开启 strict 模式可解决，但显示了后训练对模型行为的深刻影响。
深度·7月4日·12 分钟
阿里巴巴报告将禁止员工使用 Anthropic 的 Claude Code 编程工具，自7月10日起生效。该工具被列为高风险软件，员工将被要求使用阿里自研的 Qoder 替代。此前 Anthropic 已禁止中国公司使用其模型，并曾通过实验性代码识别中国用户以防止滥用。
深度·7月4日·2 分钟