lang
简体中文
繁體中文
English
Tiếng Việt
한국어
日本語
ภาษาไทย
Türkçe
หน้าแรก
AI
OPRR
ด่วน
ความลึก
กิจกรรม
BlockBeats Pro
เพิ่มเติม
การเงิน
พิเศษ
ระบบนิเวศบล็อกเชน
รายการ
พอดแคสต์
ข้อมูล
BTC
$96,000
5.73%
ETH
$3,521.91
3.97%
HTX
$0.{5}2273
5.23%
SOL
$198.17
3.05%
BNB
$710
3.05%
Partnered With:

AI เริ่มปรับปรุง Agent Harness อัตโนมัติแล้ว: Opus 5 คว้าอันดับหนึ่งในสามจากสี่รายการ

动察 Beating AI ข่าวด่วน Scale AI เปิดตัว HarnessOpt-Bench เพื่อทดสอบว่า AI สามารถแก้ไข harness ของ Agent ตัวเองได้หรือไม่ และทำให้ Agent อีกตัวแข็งแกร่งขึ้น

Harness คือชุดโปรแกรมที่ห่อหุ้มโมเดลไว้ภายนอก รวมถึง prompt เครื่องมือ หน่วยความจำ และขั้นตอนการทำงาน ในการทดสอบ AI จะได้รับ harness ที่จงใจไม่ได้ปรับให้เหมาะสมที่สุด จากนั้นจะแก้ไขโค้ดอย่างต่อเนื่องตามคะแนนและกรณีที่ล้มเหลว แต่ตัวโมเดลภายในไม่มีการเปลี่ยนแปลง

หลังจากแก้ไขเสร็จ Scale จะนำชุดข้อสอบที่ AI ไม่เคยเห็นมาก่อนมาทดสอบ เพื่อดูว่า Agent ที่แก้ไขแล้วแข็งแกร่งขึ้นจริงหรือไม่ วิธีนี้ช่วยป้องกันไม่ให้ AI แค่ทำคะแนนสูงกับโจทย์ที่รู้จักเท่านั้น

Scale ใช้โมเดล 5 ตัว ได้แก่ Claude Opus 5, GPT-5.6 Sol, Kimi K3 และอื่นๆ ทดสอบบนงาน 4 ประเภท รวม 111 ครั้ง Opus 5 ทำผลงานดีที่สุด คว้าอันดับหนึ่ง 3 จาก 4 รายการ

โดยรวมแล้ว โมเดลที่รับผิดชอบการแก้ไข harness มีความสำคัญมากกว่าว่าจะใช้ Claude Code, Codex หรือ OpenCode ในการแก้โค้ด

อย่างไรก็ตาม นี่ยังไม่ใช่ "การพัฒนาตนเองของ AI" อย่างแท้จริง เพราะครั้งนี้เป็น AI ตัวหนึ่งไปแก้ไข harness ของ Agent อีกตัว และ harness เริ่มต้นก็จงใจเว้นพื้นที่สำหรับการปรับปรุงไว้มากพอสมควร

ที่เกี่ยวข้องแนะนำ
คำตอบไม่ใช่โมเดลที่แข็งแรงมากขึ้น แต่คือ โครงสร้าง
V4-Pro-Max (โหมดพลัสความสามารถของการคาดเดาสูงสุด) ประกาศตัวเองว่าเป็นโมเดล Open Source ที่แข็งแกร่งที่สุดในปัจจุบัน มีเกณฑ์การเข้ารหัสที่ระดับสูงมาก และช่วงแตกต่างของการคาดเดาและงานของเอเจนต์กับเอเจนต์ระดับประชาสัมพันธ์ที่สูงทั้งในด้านการคาดเดาและการทำงานปิดตำนานได้ลดลงอย่างเห็นได้ชัด
แก้ไข/รายงาน
ส่ง
เพิ่มคลัง
เห็นได้เฉพาะตัวเอง
สาธารณะ
บันทึก
เลือกคลัง
เพิ่มคลัง
ยกเลิก
เสร็จสิ้น