一句话判断
为理解AI代理人训练方法提供实践工具，建议开发者尝试使用
核心信息
ByteDance 开源 EdgeBench 基准测试工具，用于评估AI代理人持续学习能力。该工具的开源行动属于技术突破类更新，包含具体基准测试方法论，存在行业影响潜力
原始内容
相关动态
Kimi K3 在 SpreadsheetBench 2 上排名第一
Kimi K3 在 SpreadsheetBench 2 基准测试中排名第一，超越 Claude Fable 5，完成 34.8% 的 workflow 任务。该基准测试涉及 321 个专家策划任务，平均每个任务包含 11.8 个工作表和 593.5 个单元格更改，聚焦于完整的电子表格工作簿执行。
Mind Lab 开源长文本强化学习项目
Mind Lab 开源了一个长文本强化学习（RL）项目，支持 2M tokens 的长上下文。相比以往需要数千个 GPU 的 1M 上下文研究，该项目仅需 8 个 GPU 即可完成，大幅降低了超长上下文研究的算力门槛。
Kimi K3非对称竞争分析
Kimi K3在Arena前端/WebDev人类盲测中以1679 Elo排名第一，领先Fable 5（1631）和GPT-5.6 Sol（1618），但在综合智能指数中仅排第四（57.1分），落后Fable 5（59.9）和GPT-5.6 Sol（58.9）。K3定价15美元/百万输出tokens，远低于Fable 5的50美元，并计划7...
二年级学生Jo Nagai发现蝴蝶可遗传记忆
日本东京都二年级学生Jo Nagai注意到养育的食蚜 caterpillars 在蝴蝶化后仍保持对薰衣草的回避行为，经Georgetown大学Entomologist Dr. Martha Weiss合作完成实验：70%训练过的蝴蝶及其后代均表现出对薰衣草的遗传性回避，记忆在全变态发育中保存并遗传。
AI 代码生成大势所趋
Greg Isenberg 发文指出，相比一年前的手写代码实践，如今大多数工程代码已由 AI 生成，标志着编程范式的根本转变。他援引了 Google 75% 新代码由 AI 生成、Anthropic 90%+ 代码由 Claude 编写、GitClear 代码重复率上升 81% 复用率下降 70% 等具体数据，并引用 Dario Amod...