跳到主内容
智客 ZICQ

智客 AI 新闻

智客 ZICQ 每日整理大模型、开源基础设施与开发者现场的 AI 新闻与深度文章。

当前筛选: 标签: #AI-Assisted Cryptanalysis 清除筛选

智能体· 2026-11-20

Mr.Xu1 次阅读0 条讨论与划词

EverydayBench:三重门禁评测智能体网页交付能力

EverydayBench以77道人工编写、覆盖八类日常场景的任务,评测智能体能否交付可用成果,而非只完成网页检索。每题先固定成功标准,再通过确定性约束检查、评测时网页证据核验和交…

前沿论文· 2026-11-20

Mr.Xu0 次阅读0 条讨论与划词

CoMPASS多轮评测揭示大模型如何强化用户依恋

CoMPASS把大模型对用户拟社会依恋的强化能力转化为多轮压力测试。基准基于依恋理论构造4类用户角色,分别及组合升级拟人化、依恋与依赖三个维度,并以匹配对照和7信号量表计分。作者测…

智能体· 2026-11-20

Mr.Xu0 次阅读0 条讨论与划词

BuggyMLE用复杂度索引生成高难仓库级MLE基准

BuggyMLE 论文把机器学习工程智能体评测从单文件修改推进到可操作完整仓库的环境。作者以仓库规模、依赖深度和补丁规模等十项结构特征构建代码复杂度指数 CCI,在八个公开编码基准…

智能体· 2026-11-20

Mr.Xu1 次阅读0 条讨论与划词

授权边界智能体打通自驱动实验室分析与设计闭环

论文提出部署在DMTA循环“分析—设计”接口的授权边界智能体,使系统不仅解读质谱与二极管阵列检测数据,还能选择下一次测量并提交仪器任务,同时由人类设定的实验边界约束状态变更。研究在…

大模型· 2026-11-20

Mr.Xu0 次阅读0 条讨论与划词

HireWatch评测:上下文压力放大LLM就业法律违规

论文提出 HireWatch,用200道依据美国联邦成文法、监管规则与机构指南标注的合法或非法面试题,考察LLM为不同职业和场景准备面试时的选题合规性。研究对18个闭源与开放权重模…