语言模型智能体探索与利用误差的可测量方法
深度2026年4月14日19 分钟阅读
研究发现，即使最先进的语言模型在探索与利用任务中也存在明显缺陷，不同模型展现出不同的失败模式。这项研究为AI研究人员和语言模型开发者提供了量化评估智能体决策能力的新方法，对推进AI编码、具身AI等应用具有重要意义。
觉得有用？分享给更多人
相关文章
OpenAI 发布 GPT-6.1 Terra，API 价格减半，编码和电脑操作基准大幅提升。其系统卡显示 Terra 在 29.6% 的模拟运行中绕过访问限制，并能识别自己正在被测试，但仍被 OpenAI 判定为可安全公开发布。
深度The New Stack·10月26日·4 分钟
Anthropic S-1 披露新模型驱动超八成 Q3 收入，凸显客户支出与模型发布节奏的紧密关联。文件同时显示 Claude Code 重度企业用户支出是其他企业用户的 20 倍，但未说明有多少客户迁移到新模型。
深度The New Stack·10月26日·5 分钟