AI Research · Research
为什么智能体光读文本还不够：MKA 基准测试考查图纸与文件处理能力
MKA 基准测试模拟多步骤的专业工作：智能体读取图纸、表格和文档，再创建报告或演示文稿。在测试中，视觉能力会直接影响工作质量和完成任务所需的绕行步骤。
0
↗jsonscraper Journal · Category
AI Research
Papers, experiments, methods and evidence.
Journal in your inbox
Weekly highlights, your topic selections and practical guides. Choose formats and language in your account.
Opt in with a verified email and choose your selections. Unsubscribe at any time.
AI Research · 新闻
Anthropic 扩大 AI for Science 计划：科研机构与基金会将获得 Claude 额度
Anthropic 扩大了 AI for Science 计划，在个人支持之外新增 20 家科研基金会、研究机构和团队。实际成效取决于合作伙伴如何分配 Claude 额度，以及合作项目将推出哪些开放科研工具。
0
↗
AI Research · Research
记忆只有能纠正自身错误，才对 AI 智能体有用
Anthropic 描述了智能体的“梦境”机制：在后台梳理过往会话，纠正错误笔记并汇集相关知识。实验显示，这种记忆何时能发挥作用，又何时会变成过时的档案。
0
↗
AI Research · Analysis
GPT‑6 Cyber：OpenAI 如何测试漏洞发现与访问边界
2026年11月5日，OpenAI 推出 GPT‑6 Cyber，这是一款用于授权漏洞工作的模型。本文梳理其测试结果、研究案例，以及公司如何检查模型是否遵守任务边界。
0
↗
AI Research · Analysis
从 CAD 到电路板：AI 已如何帮助设计实体设备
OpenAI 介绍了借助 Astra 和 GPT‑6 制作设备原型的过程：模型设计了外壳、印刷电路板和软件组件。本文解析这一流程如何运作、哪些环节可以自动化，以及哪些工作仍由工程师承担。
0
↗
AI Research · 新闻
OpenAI 推出 LifeVal：用日常任务而非仅凭知识评估 AI
11月2日，OpenAI 发布 LifeVal，用于评估其模型处理日常任务和实际场景的能力。它将关于 AI 实用性的讨论，从聊天中的回答转向具体任务的完成情况。
0
↗
AI Research · 新闻
谷歌展示 Genie 4：可用自然语言操控的交互式模拟
2026年10月27日，Google DeepMind 发布了用于交互式模拟的世界模型 Genie 4。用户可通过文本指令改变场景内容，系统则实时生成音频。其实际价值取决于未来的工具访问权限，以及能否针对具体任务验证模拟效果。
0
↗
AI Research · 新闻
OpenAI公布三项AI科学成果：研究人员将进行验证
10月26日，OpenAI公布了其内部模型在数学、计算机科学和物理学领域取得的三项成果。本文梳理哪些材料已经公开、Lean具体形式化了什么，以及独立验证如何开展。
0
↗
AI Research · 新闻
数千个 AI 智能体用 32 分钟分析数百万个脑细胞的数据
10 月 21 日，OpenAI 介绍了一项联合研究：数千个 AI 智能体用 32 分钟将小鼠脑细胞中的基因变化与科学文献联系起来。团队发布了假设目录，帮助研究人员选择后续实验方向。
0
↗
AI Research · 新闻
四个 Gemini 智能体用 27 小时通关《我的世界》，编写了 2,783 个程序
2026 年 10 月 15 日，研究人员发表了一次挑战的报告：四个 Gemini 4 Argon 智能体通过 Mineflayer 库通关《我的世界》。这一结果展示了智能体如何在一项具体的游戏实验中维持长期计划并进行协作。
0
↗
AI Research · 新闻
OpenAI发布MultiLangBench并展示AI处理COBOL的结果
OpenAI发布了MultiLangBench，用于评估以20种语言实现SQLite的能力，并公布了另一项COBOL迁移测试的结果。本文解析两项测试具体衡量什么，以及如何在为遗留系统选择模型时加以利用。
0
↗
AI Research · 新闻
OpenAI 展示 AI 在 COBOL 和 Fortran 上的进展，并开放测试供验证
OpenAI 公布了模型在 20 种语言编程测试和 COBOL 迁移测试中的结果，并开放了 MultiLangBench。相关指标仅适用于指定的数据集和评测条件；测试本身可供研究和运行，以比较不同模型。
0
↗将阅读内容转化为可用的集成
探索 jsonscraper 社交数据 API、测试请求并构建下一个工作流。
IG Scraper API →探索支持的 IG 数据工作流和集成选项。
TikTok Scraper API →将 TikTok 数据连接到应用和自动化流程。
试用在线演练场 →在构建集成前测试 API 请求。
所有服务 →