DR³-Eval：面向真实可复现的深度研究评估基准
深度2026年4月18日38 分钟阅读
研究发现当前深度研究代理在检索鲁棒性和幻觉控制方面存在显著缺陷。该论文为AI研究社区、评估基准开发者和多模态系统研究者提供了重要的评估工具和方法参考。
觉得有用？分享给更多人
相关文章
OpenAI 和 Anthropic 在同一天发布了语音功能更新。OpenAI 的 GPT-Live 让 ChatGPT 可以通过语音控制桌面应用、多任务并行处理；Anthropic 则强化了 Claude 的语音模式，支持更长的迭代对话和代码讨论。两家公司分别从任务自动化和深度思考两个方向拓展语音交互的边界。
深度The New Stack·7月23日·4 分钟
Anthropic 升级 Claude 语音模式，支持 Opus、Sonnet、Haiku 三种模型，并可调用外部应用完成实际任务，如改会议、写邮件。同时新增多语言支持，但免费用户仅限 Haiku 模型和单个连接应用。
深度·7月23日·3 分钟