★ 3
DAREBench：面向部署的智能体评估基准
DAREBench是一个新的智能体评估基准，基于OpenClaw环境，包含233个任务，按输入模态和执行形式分为2x3工作负载矩阵。研究评估了23个商业API模型和12个本地开源模型，发现没有单一模型在所有任务组中占优，文本与多模态任务存在不同的准确率-成本权衡。该基准强调部署决策应考虑工作负载、…
arXiv cs.AI54 天前
#部署
共 5 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 3
推理税：LLM推理的令牌经济学
研究引入令牌经济评分（TES）衡量推理模型的边际收益，分析151次运行。发现任务结构比名义难度更能预测推理效率，顺序推理任务高，知识回忆任务低，且存在收益递减。建议按任务类型和部署上下文选择性启用推理。
arXiv cs.AI66 天前
★ 1
Runtime 为 AI 智能体提供运行环境
Runtime 是一个面向 AI 智能体的托管平台，为智能体提供运行与部署的「家」。该项目在 Hacker News 上被分享，定位为智能体基础设施。
Hacker News – AI25 天前
★ 1
★ 1
十分钟内攻击你自己的 AI 代理并加固
Humanbound 发布博客，介绍如何在 10 分钟内对自己的 AI 代理发起攻击测试，并在部署前完成安全加固。内容聚焦代理安全实践，属于技术教程类文章，受众较窄。
Hacker News – AI33 天前
这个主题的相关资产
相关公司OpenAI1