S
SkillNav

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。
本文编译自 DR$^{3}$-Eval: Towards Realistic and Reproducible Deep Research Evaluation，版权归原作者所有。

觉得有用？分享给更多人

获取每周 AI 工具精选

工具推荐、实战教程和生态洞察，每周更新。

关注 @skillnav_dev →阅读周刊

相关文章

Kubernetes 不是为 Agent 设计的，Google 推出了新运行时

Google 推出 GKE Agent Sandbox 和 Agent Substrate，承认 Kubernetes 并非为 AI Agent 设计。Sandbox 提供安全沙箱运行不可信代码，Substrate 则是一个轻量级调度层，支持大量闲置会话的复用。

深度The New Stack·7月15日·7 分钟

AI代理基建标准化：三基金会覆盖成本、合规与支付

Linux 基金会在六周内成立了 Tokenomics 基金会、Appia 基金会和 X402 基金会，分别聚焦 AI agent 的 token 成本标准化、安全合规验证以及无账户即时支付。x402 协议已获 AWS、Cloudflare 部署，过去 30 天处理超 7500 万笔交易。

深度The New Stack·7月15日·5 分钟

评论