作者小头像 Lv.3
更多个人资料
224 成长值
0 关注
0 粉丝
+ 关注 私信

个人介绍

这个人很懒，什么都没有留下

感兴趣或擅长的领域

暂无数据
个人勋章
  • 活跃之星
成长雷达
200
24
0
0
0

个人资料

个人介绍

这个人很懒，什么都没有留下

感兴趣或擅长的领域

暂无数据

达成规则

以上满足项可达成此勋章

  • 博客
  • 关注
  • 粉丝
  • 论坛
全部时间
全部时间
最近三天
最近一周
最近一月
  • 全部
  • 暂无专栏分类
用 Claude 3.5 Sonnet 抬高 SWE-bench Verified 的标杆
我们最新升级的 Claude 3.5 Sonnet 在软件工程评测 SWE-bench Verified 上取得了 49% 的成绩，超过了此前最先进模型的 45%。本文介绍我们围绕模型构建的 Agent，并希望帮助开发者从 Claude 3.5 Sonnet 中获得尽可能好的表现。SWE-bench 是一项评测 AI 模型真实软件工程能力的 Benchmark。它具体测试模型能否解决流行开源...
Bash GitHub
作者小头像 yd_298479158 2026-10-11 12:57:42
7
0
0
2026-10-11 12:57:42
7
0
0
三起近期问题的故障复盘
从 8 月到 9 月初，三项基础设施 Bug 间歇性地降低了 Claude 的响应质量。我们现在已经解决这些问题，并希望解释到底发生了什么。8 月初，一些用户开始反馈 Claude 的响应质量下降。最开始，这些报告很难与正常的用户反馈波动区分开来。到了 8 月下旬，相关反馈的频率和持续性不断增加，促使我们正式展开调查，并最终发现了三个彼此独立的基础设施 Bug。需要明确说明的是：我们绝不会因...
NAT
作者小头像 yd_298479158 2026-10-10 13:07:53
9
0
0
2026-10-10 13:07:53
9
0
0
我们如何在不同产品中对 Claude 进行隔离与约束
十二个月前，如果有人提出给 Claude 足以让 Anthropic 内部某项服务瘫痪的访问权限，我们大概会直接否决。今天，这种级别的访问已经变得很常见，而且 Anthropic 的开发者也因此获得了更高生产力。这类部署的风险主要由两部分组成：失败发生的概率有多高；一旦失败，可能造成多大损害。随着安全防护和模型训练不断进步，第一个因素一直在下降。但第二个因素，也就是理论上的“爆炸半径”，会随...
作者小头像 yd_298479158 2026-10-09 15:13:54
11
0
0
2026-10-09 15:13:54
11
0
0
BrowseComp 性能评测
BrowseComp 是一项用于测试模型能否在 Web 上找到难以定位信息的评测。和许多 Benchmark 一样，它容易受到污染：答案可能通过论文、博客文章和 GitHub Issue 泄漏到公开网络中，而正在运行评测的模型可能会在搜索结果里遇到这些内容。当我们使用多 Agent 配置在 BrowseComp 上评测 Claude Opus 4.6 时，在 1,266 道 BrowseCo...
作者小头像 yd_298479158 2026-10-08 10:50:11
51
0
0
2026-10-08 10:50:11
51
0
0
用一组并行 Claude 构建 C 编译器
最近，我一直在尝试一种新的语言模型监督方式，我们把它称为：Agent Teams，Agent 团队。在 Agent Teams 中，多个 Claude 实例会同时在同一个代码库上并行工作，而不需要人类持续在线干预。这种方式显著扩大了 LLM Agent 能够完成的任务规模。为了做压力测试，我让 16 个 Agent 从零开始编写一个基于 Rust 的 C 编译器，并要求它能够编译 Linux...
kernel
作者小头像 yd_298479158 2026-09-28 23:04:54
95
0
0
2026-09-28 23:04:54
95
0
0
介绍 Contextual Retrieval：通过上下文化检索改进 RAG
为了让 AI 模型在特定场景中真正有用，它通常需要访问相关的背景知识。例如：客服聊天机器人需要了解它所服务的具体企业；法律分析机器人需要了解大量历史案例。开发者通常会使用 检索增强生成（Retrieval-Augmented Generation，RAG） 来扩展 AI 模型的知识。RAG 会先从知识库中检索相关信息，再把这些信息附加到用户 Prompt 中，从而显著提升模型回答的质量。但传...
深度学习
作者小头像 yd_298479158 2026-09-27 07:40:29
81
0
0
2026-09-27 07:40:29
81
0
0
揭开 AI Agent 评测的神秘面纱
引言高质量的评测可以帮助团队更有信心地发布 AI Agent。没有评测，团队很容易陷入一种被动循环：问题只有到了生产环境才暴露出来，而修复一个故障又可能引入新的故障。评测能够在问题影响真实用户之前，让系统中的缺陷和行为变化变得可见，而且随着 Agent 生命周期不断延长，它的价值会持续累积。正如我们在《构建高效 AI Agent》中所描述的那样，Agent 往往需要跨越许多轮交互运行：调用工...
作者小头像 yd_298479158 2026-09-24 11:57:01
111
0
0
2026-09-24 11:57:01
111
0
0
用 Agent Skills 为现实世界中的 Agent 配备能力
随着模型能力不断提升，我们现在已经能够构建通用型 Agent，让它们与完整的计算环境进行交互。例如，Claude Code 可以利用本地代码执行和文件系统，完成跨多个领域的复杂任务。但随着这些 Agent 变得越来越强，我们也需要更加可组合、可扩展、可移植的方式，为它们提供特定领域的专业知识。这促使我们创建了 Agent Skills：一种由指令、脚本和资源组成的结构化文件夹，Agent 可...
作者小头像 yd_298479158 2026-09-23 15:47:47
109
0
0
2026-09-23 15:47:47
109
0
0
使用 MCP 进行代码执行：构建更高效的 AI Agent
模型上下文协议（Model Context Protocol，MCP）是一项用于将 AI Agent 连接到外部系统的开放标准。传统上，如果要把 Agent 连接到不同的工具和数据源，开发者往往需要为每一对组合单独编写集成。这种方式会造成碎片化和大量重复工作，也很难扩展到真正大规模、彼此连接的系统。MCP 提供了一套统一协议：开发者只需要在自己的 Agent 中实现一次 MCP，就能够接入整...
网络
作者小头像 yd_298479158 2026-09-22 13:53:10
111
0
0
2026-09-22 13:53:10
111
0
0
使用 MCP 进行代码执行：构建更高效的 AI Agent
模型上下文协议（Model Context Protocol，MCP）是一项用于将 AI Agent 连接到外部系统的开放标准。传统上，如果要把 Agent 连接到不同的工具和数据源，开发者往往需要为每一对组合单独编写集成。这种方式会造成碎片化和大量重复工作，也很难扩展到真正大规模、彼此连接的系统。MCP 提供了一套统一协议：开发者只需要在自己的 Agent 中实现一次 MCP，就能够接入整...
作者小头像 yd_298479158 2026-09-21 10:22:14
156
0
0
2026-09-21 10:22:14
156
0
0
总条数：17
10
10
20
50
100
  • 1
  • 2

上滑加载中

https://www.baidu.com/s?ie=utf-8&f=3&rsv_bp=0&rsv_idx=1&tn=baidu&wd=sed%20%E6%9B%BF%E6%8D%A2%E5%AD%97%E7%AC%A6%E4%B8%B2&rsv_pq=c7db61a600035dc5&rsv_t=5e19yEsbV9N5fIvdlGRU
作者小头像
作者小头像
快速交付
+ 关注