AI 新聞·2026年9月9日·來源： The New Stack
Claude 在一項測試「構建代理的代理」的新基準測試中表現最佳，但通過的測試仍不足四分之一。
Anthropic 的 Claude AI 模型在一項旨在測試「構建代理的代理」能力的新基準測試中表現最佳。儘管得分領先，Claude 在這項專門評估中成功通過的測試仍不足 25%。該基準測試評估 AI 代理自主創建和改進其他 AI 代理的能力，這是邁向更複雜和自我改進 AI 系統的關鍵一步。這一發展突顯了 AI 代理開發的進展，以及在實現穩健的自主代理創建方面仍存在的重大挑戰。《The New Stack》報道了這些發現，強調了即使是表現最佳的模型也存在目前的局限性。
「構建代理的代理」基準測試結果顯示，即使是表現最佳的 AI 模型 Anthropic 的 Claude，也只通過了極少數的測試。這表明，儘管 AI 在自主開發其他 AI 系統的能力方面正在取得進展，但該技術仍處於早期階段。對於亞洲科技公司，特別是那些在 AI 研發方面投入巨資的公司來說，這意味著完全自主的 AI 代理創建仍是一個遙遠的目標，需要繼續在基礎 AI 研究方面進行大量投資，而不是立即應用。觀察到的局限性意味著在可預見的未來，人為監督和干預在 AI 開發流程中仍然至關重要，這將影響整個地區的資源分配和技能要求。重點應放在漸進式進步和穩健測試上，因為目前的技術水平仍有很大的改進空間。
分享這篇文章
延伸閱讀
原文報道： The New Stack我們不轉載全文， 閱讀原文 →
相關文章
6 則
AI 新聞
波士頓教授稱，Anthropic前研究員對AI的警告應嚴肅看待
A Boston professor recently weighed in on warnings about AI dangers from a former Anthropic researcher.
AI 新聞
我建立了一個小型引擎，為本地大型語言模型提供真實工具
AI 新聞
Mergetober：利用 cognee 讓代理程式與 Sanity CMS 保持同步
AI 新聞
OpenAI 預告 GPT-6.1 Astra，同時神秘的 GPT-6.2 Betelgeuse 模型持續引發熱議，另有證據顯示 Kimi K3.1 Pro 和 GLM-5.3 為蒸餾模型
🇹🇼·AI 新聞
燃油成本飆升 郵輪暫停環球航程
🇹🇼·AI 新聞