搜索
在 Princeton 发布 SWE-Bench 之后，用真实世界代码仓库+可执行测试评测大模型软件工程能力，几乎已成为学术界与工业界的共识。围绕 SWE issue 的评测范式迅速发展，也催生了一系列 SWE 系列 benchmark，在刻画模型 bug 修复能力方面发挥了重要作用。
PureblueAI清蓝也同步发布了新产品——AI 营销数字员工平台mkter.ai，以及 AI 口碑营销数字员工“Mark”。
2月13日，OpenClaw官方的博文提到，一个由OpenClaw驱动的机器人证明了自主智能体在预测市场的强大潜力——单周狂揽11.5万美元利润。1月底，Polymarket也发布过一条有趣的帖子：Agent们正在Polymarket上进行交易，试图补贴自己的token成本。
来自阿里高德的一篇最新 ICLR 2026 中稿论文《Everything in Its Place: Benchmarking Spatial Intelligence of Text-to-Image Models》提出了面向文生图空间智能的系统性评估基准 SpatialGenEval，旨在通过长文本、高信息密度的 T2I prompt 设计，以及围绕空间感知
据彭博社记者 Mark Gurman 爆料，苹果正在加速推进三款全新的 AI 可穿戴设备。这三款产品都将围绕 Siri 数字助手构建，通过摄像头获取视觉上下文来执行各种操作。
OpenAI深夜突袭，GPT-5.3-Codex-Spark正式炸场。核心卖点只有一个：快！每秒1000个token，让代码生成告别加载条。联手Cerebras怪兽级硬件，物理外挂直接拉满。这不再是简单的工具升级。而是一场关于速度的暴力美学。
Cloudflare 宣布推出 Markdown for Agents。只要在 Agent 的请求设置里头加上一句——Accept: text/markdown。网站就会自动返回为 Agent 识别优化的 Markdown 文件，而不是为人类准备的 HTML 文件。
绷不住了！OpenAI深陷高管离职潮，内部“红色警报”再次拉响。
百川智能表示今年上半年，将陆续发布两款 to C 的医疗产品。 作者｜Li Yuan 编辑｜郑玄 你有没有向 AI 助手问过你的健康问题？ 如果你和我一样是一个 AI 的深度用户，大概率你也试过。 O
在文章开始前，请您先打开Claude code，输入/skill，检查一下您的Claude code有多少个skills？是20个？50个？还是已经突破了100个？自从Anthropic推广Agent Skills以来，我们都爱上了这种“即插即用”的模块化体验。它把臃肿的多智能体编排（MAS）变成了一组优雅的Markdown文件调用，让API账单和延迟同时暴跌了50%以上。