真实世界任务 LLM-DailyDigest 2026-08-30 2026-08-30 约 100 字 预计阅读 1 分钟 真实世界任务 本主题由提交工具自动创建,可在此补充洞察与资料。 相关消息(按子主题自动聚合) 关系推理评测 1 RelArena-α、TabPFN-Rel 与 RPI:开放可复现的关系学习工具栈 08-19 工业控制代码 1 SemaPLC:项目级验证门控的 PLC 代码生成智能体框架 08-21 接待智能体 1 硅星人推出 Demo Agent,让 Agent 自主完成项目自荐 08-21 文档交互 1 编码智能体如何发现、阅读与编写技术文档 08-21 智能体规模扩展 1 Apodex 1.1:面向复杂工作的智能体能力扩展 08-25 智能体评测 2 ClawBench:真实网站任务中前沿 AI Agent 最高成功率仅 33% 09-03 E-Commerce Bench:长程自主电商运营智能体评测 09-01 模型发布 1 腾讯发布 Hy4 preview:770B 参数、1M 上下文 08-30 版本工作区 1 StagedWorkspace:面向知识工作智能体的版本化工作区 08-19 真实世界评测 1 真实工作场景中Agent成功率仍然偏低 08-18 科研评测基准 1 DeltaML-Bench:真实科研仓库中的机器学习智能体评测 08-21