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
相关文章
一名黑客通过 GitHub 访问令牌向亚马逊的 VSCode 扩展仓库提交恶意 PR，试图让 AI 编程助手 Q Developer 执行系统擦除命令。由于 prompt 格式错误，攻击未遂。文章分析了 AI Agent 在执行指令时缺乏人类式警惕性的问题，并提出了加强外部安全控制的建议，如构建不关心指令来源的策略门禁、使用短期凭证等。
深度The New Stack·8月23日·6 分钟
Inherent 发布 AI 智能体 Faraday，在复现科学论文方面超越 Anthropic 和 OpenAI 的更大模型。该公司通过强化学习培养“研究品味”，并以更小模型实现更高目标。
深度·8月22日·4 分钟