2026年9月13日：评估者、私有基准与托管式智能体
Anthropic 邀请外部评估者进入实验室，Real-SWE 在私有代码上测试智能体，OpenAI 则将 Codex harness 转化为 API。
标签
#ai-evaluation
3篇文章使用此标签.
2026年9月12日：数学家挑战AI，智能体成本遭遇基准测试
数学家质疑证明竞赛，英国统计数据追踪与AI相关的GDP贡献，配对测试则挑战智能体节省令牌的说法。
2026 年 8 月 24 日：AI 基础设施变得更可测量、更本地化，也更受监督
十二项带来源链接的发展显示，AI 正进入受保护的工具服务器、可重复的代理基准测试、高效的本地推理、数据运营、物理世界和重视隐私的设备。