配套CLI与Skills，浙大开源可插拔Agent评测底座
配套CLI与Skills，浙大开源可插拔Agent评测底座同一套模型，换一个coding agent运行时，测试得分和实际消耗往往大相径庭。
来自主题: AI技术研报
8949 点击 2026-09-14 09:49
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
同一套模型，换一个coding agent运行时，测试得分和实际消耗往往大相径庭。
如今的 AI 已经能顺畅地帮你写代码、跑实验、做评估。算法工程师的每一天，几乎变成了：让 LLM 整理昨天的实验结果，让 LLM 实现新想法，让 LLM 监控实验运行…… 似乎只需把需求告诉 AI，它就能完成大部分算法工作。
浙江大学与上海交通大学团队提出Deep Academic Survey（DAS），通过Stateful Agentic框架与DAS-2M文献元数据库，可在1小时内自动生成面向发表的学术综述，在DAS-Bench 30个主题评测中平均得分4.34，并已开放220篇完整Survey供查看。
浙大与港大团队开源轻量化记忆路由器LayerRecall，通过选择性检索历史记忆并仅注入对长程信息敏感的特定DiT层，解决长视频生成中角色离场再返回时身份与属性丢失的问题，在MemoBench和MovieBench评测中取得Overall第一，且约6.6MB的路由权重可零再训练迁移至其他视频生成骨干。
去哪训练、拿什么学、怎么考？这是物理AI从实验室走向现实世界的三个核心问题，现在有了系统性答案。
OpenAI首次公开下一代模型Astra（被传为GPT-6）的网络安全能力，其在ExploitBench漏洞利用基准上达到100%成功率，内部测试中网络安全能力约为GPT-5.6 Sol的4倍，并能自主发现并利用零日漏洞，OpenAI通过安全训练和"蜜罐"测试等双闸门防范滥用与模型失控，浙大校友漆翔宇和同济校友Jiawei Liu深度参与了Astra研发。
今天的视频生成模型，已经越来越像一个会拍电影的导演。
科研的链条很长。文献读不完，方向想不清，实验一轮接一轮，论文改到深夜。过去两年，大模型已经能读论文、写代码、改文章，但它们大多以问答工具的形态散落在各个环节，替研究者节省的只是零碎时间。
图像生成模型正从「会创作」转向「可操作」。
近日，浙江大学 OmniAI 团队在 《Show, Don’t Tell: Evaluating Spatial Cognition in Generative Pixels Rather Than LLM Text》 中提出 ProVisE，让图像生成模型直接在图中回答空间问题，并将视觉答案还原为原 benchmark 可以评分的结构化预测。