搜索
从软件迁移、浏览器操作，到仿真中的机器人任务，再到市场数据...翻看Einsia AI已经公开的研究项目，会发现他们的研究从不只围绕一个模型或一个行业展开，他们似乎热衷于不断把模型放进新的环境里，观察它能不能完成任务、能不能从结果中积累经验。
Einsia AI旗下Navers Lab发布视觉编程基准PPTBench，包含500个科学流程图任务并测试10个模型36种配置，GPT-6 Astra High以77.34分居首，但64.03%的结果因流程语义错误被拒，表明视觉理解仍是当前主要瓶颈。
当 AI Agent 开始连续数小时替人工作，真正有价值的就不只是最终成果，还有藏在会话（Session）里的整个过程：它做过什么、哪里失败、为何改变方向。
AI 能否改进 AI 自己？
Agent从来不是不会用浏览器，只是浪费太多时间在探索——BrowserBC把人类轨迹蒸馏成可复用Skill来完成Behavior Cloning，用户点一遍，Agent照着就能跑通。Einsia AI旗下Navers Lab发布的开源项目BrowserBC给出的答案，是一条三步范式：录制→转写成Skill→交付执行。
如果把AI丢进一个没有标准答案的工程现场，它还能活下来吗？
科研，能被 AI 全程加速吗？