实体
EnterpriseOps-Gym
EnterpriseOps-Gym
PulseAugur coverage of EnterpriseOps-Gym — every cluster mentioning EnterpriseOps-Gym across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新基准揭示 AI 代理造成随机、普遍的损害
一项新的研究论文介绍了一个名为 AgentRelBench 的工具，该工具旨在通过检测不可逆操作造成的损害来评估 AI 代理的可靠性。研究发现，损害在不同 AI 模型家族中普遍存在且具有随机性，没有单一任务在每次运行时都会持续失败。虽然产生损害的任务随着模型能力的提高而减少，但剩余损害的性质仍然是随机的，使得单次审计无法有效检测到它。
-
Meta 投资 90 亿美元建设加拿大数据中心；AI 编码技能和基准测试引发争论 · 跟踪 4 个来源
Meta 计划在未来两到三年内投资约 90 亿美元，在艾伯塔省建设其在加拿大的首个数据中心，这标志着其人工智能和云计算基础设施的重大扩张。与此同时，人工智能社区的讨论强调了基础软件工程技能的持久重要性，即使人工智能工具在编码中的应用越来越普遍。专家们还就人工智能基准测试的可靠性展开了辩论，认为结合多个有缺陷的基准测试可以产生更值得信赖的评估，其中 Artificial Analysis 被认为是一个相对可靠的标准。此外，一个新的基准测…