2026 年 10 月 12 日 · 星期一AI · 每日要闻每天 08:00 出刊
AI 日报 · 2026 年 10 月 12 日 · 星期一
顺雷热点
第 4 期122026 年 10 月星期一
十月本月 4 期
一二三四五六日
2件大事1个来源2件一手发布约 1 分钟读完
头条
Microsoft评测揭示智能体完成声明与记录不符
Microsoft ThinkingBox在507个有状态业务工作流中各运行20次，以后端最终状态和副作用评估AI智能体，发现完成声明与数据库记录不符的情况。Hugging Face展示了用HuggingChat中的ML-intern构建六个定制模型的实践，CPU和GPU作业费用合计约103美元。
论文研究
Microsoft ThinkingBox 评测：智能体称已完成，数据库记录却不符
Microsoft ThinkingBox 在 507 个有状态业务工作流中各运行 20 次，以后端最终状态和副作用评估 AI 智能体的成功率与一致性。共同任务集消融实验中，67.24% 的失败尝试仍正常结束、调用了修改状态的工具且未报告最终工具错误；Claude Opus 5.5 与 Claude Opus 5 均有 241 个任务通过全部 20 次尝试。
技巧与观点
如何用 ML-intern 构建原本不存在的定制模型
Hugging Face 展示了用 HuggingChat 中的 ML-intern 构建六个定制模型的实践，CPU 和 GPU 作业费用合计约 USD 103。