06:26
Harrison Chase@hwchase17
Harrison Chase@hwchase17推荐理由：LangChain老大强推harbor框架跑复杂智能体评估，现在直接集成LangSmith沙箱，一行代码搞定环境，省心。
全部 AI 动态
AI 相关资讯全量信息流
6月18日
06:26
harbor是一个用于运行长时间、有状态智能体评估的框架，目前支撑Terminal Bench 2。LangSmith Sandboxes现已原生集成harbor，成为一等环境。用户只需安装harbor[langsmith]并设置LANGSMITH_API_KEY即可运行评估。该集成覆盖Daytona、E2B和Modal等沙箱环境。
04:01
04:01
lmarena.ai@lmarena_ai
lmarena.ai@lmarena_ai推荐理由：想搞懂Agent决策是怎么归因的？Agent Arena这篇博客把因果追踪的方法讲得很清楚，适合做智能体评估的研究者。
6月16日
20:46
AITOP6月16日 20:46
6月12日
12:57
AITOP6月12日 12:57
6月11日
15:28
AITOP6月11日 15:28
15:23
AITOP6月11日 15:23
15:07
AITOP6月11日 15:07
6月5日
08:25
08:25
cat@_catwu
cat@_catwu推荐理由：Anthropic 首次公开为 Claude Code 招聘模型性能方向的 PM，说明智能体评估正从研究走向产品化。做 AI 产品经理或智能体开发的团队，可以从中看到行业对 agentic evals 的重视程度，值得关注。
6月1日
22:42
22:42
rohanpaul_ai@rohanpaul_ai
rohanpaul_ai@rohanpaul_ai精选72°
推荐理由：做 Agent 系统或智能体框架的开发者，别再只盯着 token 和调用次数了——这篇论文给出了一个更聪明的衡量标准，直接帮你判断系统是否真的在“学习”。建议点开看看 EFC 怎么算，能省不少试错成本。