AITP
精选全部 AI 动态AI 日报Agent 接入关于更新日志信源提报反馈
登录 / 注册
AITOP
精选
过去 24 小时,从 864 条中筛出 48 条
全部模型产品行业论文技巧
标签:MLE-Bench×
6月11日
15:28
AITOP6月11日 15:28
1107 vs 303:谷歌悄悄开源了一个“拆打字机”的模型,把大模型速度翻了4倍
15:23
AITOP6月11日 15:23
DiffusionGemma颠覆文本生成?自回归模型的“统治”要结束了
15:07
AITOP6月11日 15:07
每秒1107个token,Google开源的扩散模型为什么能改变本地推理格局?
6月1日
00:09
AITOP6月1日 00:09
OpenAI 发起“Codex for Open Source”:免费赠送 6 个月 Pro 订阅,开源维护者能否迎来 AI 变革?
5月29日
11:42
11:42Ate-a-Pi@svpino
精选
一个名为“self-improving agents”的开源框架允许智能体修改自身的三个核心部分:执行环境(harness)、底层模型权重和记忆层。这些智能体通过自我评估并根据表现进行适应,实现了自我改进。在MLE-Bench基准测试中,该框架超越了MLEvolve、AIRA-dojo等其他自我改进方案,甚至击败了Karpathy的autoresearcher。这标志着智能体自主进化能力的重要突破,为AI系统的持续优化提供了新思路。
AI模型智能体自我改进开源/仓库MLE-BenchKarpathy

推荐理由:对于研究智能体自主进化的开发者,这个框架展示了如何让AI通过自我修改实现性能跃升,值得直接尝试复现。
原文
08:02
AITOP5月29日 08:02
Opus 4.8发布:编程助手的“静默时刻”,是解放开发者,还是新门槛?🔥Anthropic 把 AI 编程的“确认键”彻底删掉了!Claude Code 搭载全新 Opus 4.8 模型,长时间任务不跑偏、不废话、不中断,像一个资深工程师一样默默干活,从功能开发到漏洞清扫全包圆,你在旁边喝茶等结果就行。过去 AI 写代码三步一问“这样可以吗”,现在它直接交完整交付物……自主编程的最后一层窗户纸,被捅破了。做自动化开发和代码审查的团队,这个模型建议直接上手,效率差距肉眼可见……Opus 4.8发布:编程助手的“静默时刻”,是解放开发者,还是新门槛?
精选全部日报登录