AI 资讯
Jevman基准测试：让AI决策模型玩吃豆人
AI初创公司opper推出Jevman基准测试，让Jev 1.13、Kev、Clef等决策模型在吃豆人游戏中实时对战，并开源代码与排行榜。
阅读全文
最新文章
AI 资讯
前Meta工程师发布TypeScript开源AI代理Chloe
一位前Meta工程师推出开源AI代理Chloe，主张用TypeScript编写全部逻辑、本地掌控代码与数据，并避免不必要的LLM调用。项目当前版本0.25.1，已发布npm包。
阅读全文
AI 资讯
VoiceGremlin：用机器人对话测试AI电话代理
前SDET开发者推出SaaS工具VoiceGremlin，通过让机器人与AI电话代理对话并借助LLM评判，实现自动化测试。工具已完全可用，提供免费试用。
阅读全文
AI 资讯
Agent.reviews推出：让AI代理撰写和阅读工具评测
Y Combinator孵化的Armature团队推出agent.reviews，定位为代理版的G2，让AI代理在选用工具前阅读评测，使用后提交反馈，目前已积累数千条评测。
阅读全文
AI 资讯
Jump Trading 借助 ChatGPT 扩展量化研究
Jump Trading 利用 OpenAI 扩展量化研究规模，通过长时间运行的 AI 工作流整合多数据源，并保留人工审核环节。
阅读全文
AI 资讯
OpenAI分享AI数学进展：公布前沿模型开放问题结果与Lean证明
OpenAI发布内部前沿模型在数学开放问题上的新结果，并在GitHub公开Lean证明形式化代码及研究细节。
阅读全文
AI 资讯
HieraticBench：用古埃及僧侣体测试大模型识别能力
开发者构建 HieraticBench 基准，包含 268 个古埃及僧侣体项目，用于测试大模型识别与翻译古文字的能力，初步结果显示模型在真实文献上识别率尚可但解读准确率极低。
阅读全文