Agentic-MME:多模态智能的代理能力评估新基准
深度2026年4月3日28 分钟阅读
最有趣的发现是:即使最佳模型在最高难度任务上的准确率也骤降至23.0%,凸显了真实世界多模态代理问题解决的巨大挑战。本文适合研究多模态智能、AI代理系统、评估基准开发的研究人员和工程师阅读。
觉得有用?分享给更多人
觉得有用?分享给更多人
GitHub 在 Universe 大会公布了下一代 Git 存储架构,内部测试中单仓库可承受每秒 7,200 次推送和 5,000 个并发智能体。架构代号“Rubicon”,基于“最小化协调、存储与计算解耦”两原则,将引用更新与不可变的 Git 对象分离,分别存入 Ref-CAS 日志服务和 Azure Blob Storage。
Cloudflare 认为远程托管的 AI Agent 本质上是用户与网站之间的新中间人,破坏了网站识别、服务与问责用户的能力。文章列举了账户共享、友好欺诈、身份冒充等 14 类挑战,并提出“中间化原则”,呼吁生态协作在保留用户关系的前提下开放 Agent 访问。