📄ArXiv AI•較早收集於 11h
WorkBench 基準測試：AI 代理兩年來的進展
💡了解 AI 代理如何從 43% 的成功率提升至 89%，以及為何安全性現在能與效能同步成長。
⚡ 30-Second TL;DR
有什麼變化
自 2024 年以來，Claude Opus 4.8 的任務完成率從 43% 提升至 89%。
為什麼重要
研究結果顯示代理的可靠性正隨著原始智慧同步提升，使得自主工作流程在企業應用中變得愈發可行。安全性與效能的趨同簡化了生產級代理系統的選擇流程。
下一步行動
請重新審視您代理程式的錯誤處理協議，因為即使是像 Claude Opus 4.8 這樣的高效能模型，仍可能犯下基本且可能無法挽回的錯誤。
誰應關注：Researchers & Academics
關鍵要點
- •自 2024 年以來，Claude Opus 4.8 的任務完成率從 43% 提升至 89%。
- •安全性與能力呈正相關，表現最好的模型造成的非預期損害最少。
- •開源權重模型顯著降低了高效能代理功能的開發成本。
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： ArXiv AI ↗