技能在真实场景中的效用评估：LLM技能使用基准测试
深度2026年4月6日28 分钟阅读
研究发现LLM技能在真实场景中的表现远不如理想条件，性能接近无技能基线。AI研究人员和智能体开发者应关注此研究，了解技能机制在实际应用中的挑战与优化策略。
本文编译自 How Well Do Agentic Skills Work in the Wild: Benchmarking LLM Skill Usage in Realistic Settings，版权归原作者所有。
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