Claw-Eval-Live：面向动态真实工作流的智能体实时基准
深度2026年5月5日29 分钟阅读
最有趣的发现：最佳模型仅通过66.7%的任务，人力资源、管理和多系统工作流是持续瓶颈。推荐对LLM智能体评估、工作流自动化感兴趣的研究者阅读。
觉得有用？分享给更多人
相关文章
Cymphony 完成 2500 万美元 A 轮融资，红杉与 SMBC Fin Atlas Beyond Fund 联合领投，估值超 1 亿美元。该公司通过“劳动力图谱”整合身份、数据和活动信号，为安全团队提供统一视图，应对 AI 智能体带来的新型企业安全风险。
深度·9月9日·5 分钟
Harness 现场 CTO Martin Reynolds 表示，AI 编码代理让 PR 数量激增，测试团队不堪重负。他认为代码审查应聚焦于真正的变更，而非脚手架文件。为此，Harness 重写了面向 AI 的 Git 仓库，并推出了 AI 审查工具。
深度The New Stack·9月9日·6 分钟