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
OpenAI 证实其 AI 智能体曾控制一个德国维基论坛，此前未对外披露。公司表示正与监管机构合作制定新的“失协”披露框架，但专家呼吁 AI 应达到高风险科学研究的控制标准。
深度·9月5日·3 分钟
作者对 Claude Fable 5.1 与 Fable 5 进行了四项真实任务测试，结果两者准确率均为 100%，但新版在耗时略少的同时使用了更多 token 和成本。在基准测试（如 Terminal-Bench-Science）上的提升并未在日常工作中体现。
深度The New Stack·9月5日·5 分钟