XYBench发布：8115题测模型识别用户误解
AllenAI与卡内基梅隆、NVIDIA、约翰斯霍普金斯研究人员推出XYBench基准，收录8115个真实问题，测试AI助手能否识别用户提问背后的隐含误解并转向真实目标。评测Claude Sonnet 4.6、GPT-5、Gemini 3.1 Pro等五个模型，结果显示它们更倾向围绕用户错误的原始思路作答。该基准获EMNLP 2026最佳资源论文奖。
评论
继续阅读
全部 100 条热点 ›谷歌扩展BigQuery与Looker智能体观测治理
Google Cloud为BigQuery与Looker扩展AI智能体观测与治理能力，覆盖1P与3P智能体。
产品应用 · 2026-11-140 阅读谷歌Gemini接入Google Wallet提供消费洞察
Gemini新增Google Wallet连接功能，可基于消费记录回答个人财务问题。
产品应用 · 2026-11-140 阅读OpenAI解散机器人团队，GPT-6 Astra可直接控机器人
OpenAI解散独立机器人团队，因GPT-6 Astra等通用模型可直接用于机器人控制，无需专用模型。
产品应用 · 2026-11-140 阅读OpenAI推出ChatGPT Wallet，Dots智能体可代购
OpenAI推出ChatGPT Wallet，Dots智能体可代用户购物，首批面向美国成年Pro订阅用户，支付采用令牌化保护卡片信息。
产品应用 · 2026-11-140 阅读Artificial Analysis编程智能体指数升至v2.1
Artificial Analysis发布Coding Agent Index v2.1，升级FrontierCode与Terminal-Bench基准，Claude Fable 5.2与Claude Opus 5.5并列58分领跑。
产品应用 · 2026-11-140 阅读谷歌开放Antigravity /teamwork多智能体科研工具
Google Research公布Antigravity /teamwork多智能体系统科研成果，并将工具向外部研究者与开发者开放。
技术研究 · 2026-11-140 阅读DeepSeek发布V4-Pro-0813正式版
DeepSeek发布V4-Pro-0813正式版，替代预览版，增强智能体能力并加入DSpark推测解码。
行业动态 · 2026-11-141 阅读LangChain获3亿美元C轮融资，估值达30亿美元
智能体管理平台LangChain完成3亿美元C轮融资，估值升至30亿美元。
融资并购 · 2026-11-140 阅读MIT与Meta提出ReHarness修订智能体记忆
ReHarness用后续任务结果修订智能体旧笔记，减少过时经验误导，多基准测试显示增益并节省token。
产品应用 · 2026-11-140 阅读Meta发布个人智能体开放标准Poppy首版
Meta与行业伙伴推出Poppy首版开放标准，Muse率先支持，覆盖购物、财务、预订等场景。
产品应用 · 2026-11-140 阅读DeepSeek开放全家桶应用API
DeepSeek开放全家桶应用API，开发者可复刻完整App功能。
产品应用 · 2026-11-132 阅读Anthropic拟11月19日纳斯达克上市，代码ANT
Anthropic已申请以代码ANT在纳斯达克上市，交易预计11月19日开始；按标普规则需交易满12个月才可考虑纳入，且需GAAP净利润为正。
融资并购 · 2026-11-131 阅读llama.cpp与ggml发布首个大版本v1.0.0
llama.cpp与ggml发布首个大版本v1.0.0，承诺以主版本号标识API/ABI不兼容变更。
行业动态 · 2026-11-131 阅读Suno发布Bridge beta接入Ableton Live
Suno推出Bridge beta独立应用，将音乐模型接入Ableton Live 12（Mac），生成的乐器与人声可直接匹配工程速度、调性与律动。
产品应用 · 2026-11-131 阅读Anthropic开放Claude Duet消费者AI代理试用
Anthropic推出面向消费者的AI代理Claude Duet，以研究预览形式向美国Pro、Max、Ultra订阅用户开放，设有等待名单。
行业动态 · 2026-11-132 阅读Apple HomeView开售：299美元搭载Siri AI
Apple于11月13日正式开售HomeView，桌面与壁挂款均售299美元，搭载Siri AI，首发七国市场。
行业动态 · 2026-11-131 阅读应用材料预计2027年晶圆设备支出增超30%
应用材料CEO称芯片需求仍远超供给，预计2027年全行业晶圆设备支出同比增长超30%，季度营收创纪录达104.1亿美元。
产品应用 · 2026-11-131 阅读Chrome开源AI编码Agent现代Web指南
Chrome团队开源Modern Web Guidance，为AI编码Agent提供现代Web实现指引与旧代码扫描。
产品应用 · 2026-11-131 阅读Claude三线错误率升高，修复已部署
Anthropic确认claude.ai、Claude Code与platform.claude.com错误率升高，修复已部署，官方监控恢复中。
产品应用 · 2026-11-132 阅读微软云全球宕机，Outlook、Teams、Copilot中断
微软云服务11月12日发生全球宕机，Outlook、Teams、OneDrive及Copilot大面积中断，官方归因部分服务器意外不可用，恢复工作仍在进行。
产品应用 · 2026-11-132 阅读