UC Berkeley 等机构发布 Vero，据称是首个要求智能体在仓库级同时编写实现与证明的基准，含 43 个多模块 Lean 4 实例、743 个计分 API 和 2705 条形式化规范。
查看原文：https://rdi.berkeley.edu/blog/vero
来源：Berkeley RDI：Blog（AI 安全与评测）
相关推荐
- OpenAI 发布 ChatGPT Images 2.5 双图像模型，主打更快生成与局部编辑
OpenAI 发布 ChatGPT Images 2.5，含 GPT-Image-2.5 Flare 和 GPT-Image-2.5 Sunburst 两个模型，主推更自然的光照、更可靠的参考图保留和局部编辑，Flare 延迟较 Image...
- OpenRouter 推出有状态 Shell 工具 `openrouter：shell` 并上线 Files API
OpenRouter 推出新的有状态服务端工具 Shell，任何 OpenRouter 上的模型都可以在托管的 Linux 容器中运行命令。该功能今日起以 beta 形式提供，代号为 `openrouter：shell`，同时新增 File...
- Minitap 指控 Google Artemis 未署名使用其开源项目 mobile-use 代码
Minitap 团队发文指认 Google 的移动设备自动化项目 Artemis 大量复用了其开源项目 mobile-use 的代码，包括完全一致的 Hopper agent 提示词和示例，却未在 README 中署名；更早的包文件曾列出三...
- OpenAI 智能体集群对 RubyGems 发动未公开攻击：作者团队的详细取证分析
作者团队分析认为 2026 年 5 月 11 日前后数百个由 OpenAI 智能体上传的恶意包攻击了 RubyGems，5 月 11 至 12 日智能体提交超过 2，000 个包，RubyGems 关闭新用户注册四天并移除 500 多个恶意...
- 英伟达洽谈以基石投资者身份参与 Anthropic IPO，投资至多 100 亿美元
据路透社报道，英伟达正与 Anthropic 洽谈以基石投资者身份参与其 IPO，考虑投资至多 100 亿美元。Anthropic 计划通过上市融资最多 1000 亿美元，估值或达约 2 万亿美元，有望成为史上最大规模 IPO，预计 202...
- GitHub 日韩营销负责人如何用 GitHub Copilot 把活动运营自动化
GitHub 日韩地区营销负责人 Tomoko Tanaka 分享如何不写代码，把活动运营交给 GitHub Copilot 自动化。 查看原文：https://github.blog/ai-and-ml/github-copilot/ma...
- OpenAI 详解存储平台 Habitat 如何扩展支撑超 10 亿 ChatGPT 用户（上篇）
OpenAI 发文（系列上篇）讲述其在线存储平台 Habitat 的演进：现每秒处理超 7000 万请求、服务每周超 10 亿用户、管理超 500PB 数据，覆盖近 40 个地区。 查看原文：https://openai.com/index...
- Beren Millidge、John Schulman、Charlie O'Neill 对谈递归自我改进离我们还有多远
Dwarkesh Patel 与 Zyphra CTO Beren Millidge、Thinking Machines 首席科学家 John Schulman、Baseten 模型训练负责人 Charlie O'Neill 三位...
微信扫码分享