Auto Research時代，47個沒有標準答案的任務成了Agent能力必測榜
在 Auto Research 時代，47 個沒有標準答案的任務成為了評測 AI Agent 能力的必測榜。此榜單標誌著正式進入「迭代優化」時代，強調 Agent 處理非結構化問題的能力。
Search
直接匹配不多，已補上最新動態。
Tag: #agent-eval3 results
MiniMax M2.7 在代理與編碼基準測試中名列前茅
MiniMax 推出 M2.7，在 PinchBench 獲得 86.2%（50 模型中第 5，接近 Claude Opus），Kilo Bench 47%（第 2 名）。相較 M2.5 提升 3.7 點，並獨家解決如 SPARQL 推理等任務。模型互補，組合神諭可達 Kilo Bench 67%。
🤖
本地LLM代理評估軌跡勝過輸出
本地LLM代理最終正確但內部可能有錯誤工具、迴圈或多餘步驟等缺陷。作者主張評估軌跡：工具選擇、步驟、迴圈、推理品質。分享GitHub rubric-eval，使用Ollama進行局部檢查。
駭客利用 AI 輔助腳本攻擊 Siemens 控制器
美國當局警告，威脅行為者正鎖定用於供水系統及其他關鍵基礎設施的 Siemens S7 PLC。相關機構表示，攻擊者可能使用 AI 工具產生漏洞利用腳本，並敦促營運者更新系統，且在可行時讓系統與網際網路隔離。
Kling AI 推進 4K，掩蓋快手增長放緩
Kling AI 是快手疲弱第二季業績中唯一的亮點，營收超過人民幣 8.5 億元，年增逾 200%，全球用戶數突破 1 億。產品推出原生 4K 影片輸出，並從消費者訂閱模式拓展至影視與廣告等專業工作流程，但高昂算力成本及 Seedance 的競爭仍是重大挑戰。
桌上型 CPU 出貨量暴跌 20%，AMD 仍擴大市占
受元件成本高漲影響，桌上型 CPU 出貨量下滑 20%，市場環境日益艱困。Intel 提高資料中心與筆記型電腦處理器產量，但 AMD 成長速度超越 Intel，並創下歷史最高市占率。
Eon「上傳」果蠅大腦
Eon 使用漏積分放電（LIF）模型，將果蠅大腦重建為數位系統。中國團隊據稱進一步採用精細神經元建模，以及支援跨身體遷移的平台，推進具身智慧研究。
UBTECH 將真實產線搬進 WRC
據報導，UBTECH 已在 WRC 內以 1:1 比例重建客戶產線。此舉為具身智慧提供更實際的驗證與部署路徑，強調產線效能與系統整合，而非機器人出貨量。
以 AI 訓練的活體皮膚預測新藥物化合物
Outer Biosciences 脫離隱身模式，開發出一套能讓手術切除的人類皮膚存活最長一個月的方法。該新創將組織產生的資料輸入 AI 模型，以預測可能有用的化合物，目前已籌得約 2,300 萬美元。
AI 資料中心引發汽車零組件短缺
中國汽車製造商表示，受 AI 資料中心需求推動，印刷電路板與多層陶瓷電容器在全球短缺 20% 至 30%，價格已超過去年的三倍。汽車記憶體價格也在短短三個月內上漲約 180%。