
Warp 团队复盘编程智能体为何会漏报中间步骤 (opens in a new tab)
Warp 的 Ben Holmes 展示了编程智能体总结时省略重试与工具调用的案例,并介绍 Skill Doctor 如何辅助检查,最终仍由人复核。
Total 842 articles

Warp 的 Ben Holmes 展示了编程智能体总结时省略重试与工具调用的案例,并介绍 Skill Doctor 如何辅助检查,最终仍由人复核。

Wabi 的多人空间可以围绕旅行、投票或计划生成轻量工具。文章对比微信小微的使用入口,并回顾 Wabi 从应用生成转向多人协作的过程。

报告结合 Claude 使用记录和学者问卷,估计广泛采用现有工具可能分担 27% 至 52% 的研究工时。更高的产出倍率来自非实操任务自动化的假设情景。

SandBaseAI 将模型和数据接口、工具与沙箱运行环境统一接入。公司称本轮融资将用于产品研发与推广,并提供 SDK 和命令行接入。

Einsia AI 用 Blender 和 Unreal Engine 中的 145 项任务比较 11 种模型与工具组合。评测发现连续移动、避障和状态管理比局部交互更容易失分。

研究团队先探索 MCP 工具,再用已观察到的响应编写可验证任务,并用缓存和检索增强模拟器支持离线训练。4B 模型在留出测试集的首答通过率从 28.1% 升至 41.5%。

微软研究院等团队构造跨 GUI、MCP 和命令行的电脑任务,并用验证器判分。两款千问模型在论文列出的八个分布外基准上均有提升。

spaCy 作者 Matthew Honnibal 区分了两类实验:小型网络任务直接输入原始权重,Qwen 数学修复则允许 Python 和前向测试。他肯定工具辅助编辑的结果,同时质疑把两类条件合并表述。

OpenAI宣布拟收购Pierre Computer Company,后者提供Code Storage及Trees、Diffs等开发工具。公告称开源项目继续开放、现有客户继续可用;交易仍需满足交割条件,未来整合形态与时间尚待公布。

海马云围绕 RunningHub 介绍GPU池化、场景化模型后训练、专业软件连接及创作者工作流沉淀,主张从模型调用走向完整生产交付。访问增速、成本改善和留存数据为报道引用及公司披露,不能据此保证所有AI应用的商业结果。