跳到正文
只看一手
2月5日周四
  1. Anthropic Engineering71

    Anthropic 量化智能体编码评测中的基础设施噪声

    Anthropic 工程团队发现，仅基础设施配置差异就能让 Terminal-Bench 2.0 的成绩相差 6 个百分点（p < 0.01），资源最紧张与完全不设限的配置之间差距最大。

    推荐理由：Anthropic 用实测数据说明智能体编码评测中资源配置会带来多大分数差异，读者可据此判断榜单名次的可信度。

  2. Anthropic Engineering88

    Anthropic 用 16 个并行 Claude 智能体从零写出 10 万行 C 编译器

    Anthropic Safeguards 团队研究员 Nicholas Carlini 用 16 个并行 Claude 智能体从零写出一个基于 Rust 的 C 编译器，可编译 Linux 6.9 的 x86、ARM 和 RISC-V 版本。

    推荐理由：Anthropic 研究员公开了并行 Claude 智能体团队的编排细节，包括测试设计、任务锁与并行拆分方法，可迁移到自家长任务自动化。