BrowseComp
AssessCông cụ
Bộ đánh giá hiệu năng tác tử dựa trên trình duyệt và tác vụ nhiều bước.
Vì sao ở đây
Xếp vào Assess: 2 bài bằng chứng từ 3 nguồn, chủ yếu là tin nghiên cứu, 0 bài trong 30 ngày qua. Độ tin cậy 50%.
Bằng chứng (2)
- 8Hacker News·3/9/2026model_releaseIFM phát hành bộ mô hình mở K2 Horizon
IFM đã phát hành K2 Horizon, một bộ sáu mô hình mở liên kết với nhau, trải từ 0,9B đến 375B tham số. Bản phát hành bao gồm trọng số, checkpoint, mã huấn luyện, cấu hình, nhật ký, kết quả đánh giá và công thức dữ liệu dưới giấy phép Apache 2.0, trong đó các mô hình nhỏ hơn được cho là đạt mức tiên tiến nhất trong phân khúc kích thước của mình.
- 7Hugging Face Blog·18/6/2026researchMosaicLeaks cho thấy rủi ro rò rỉ quyền riêng tư ở tác nhân nghiên cứu sâu
Hugging Face giới thiệu MosaicLeaks, một bộ đánh giá mới để kiểm tra việc tác nhân nghiên cứu sâu có làm rò rỉ thông tin riêng tư khi kết hợp tài liệu nội bộ với tìm kiếm web hay không. Nghiên cứu cho thấy nhiều tác nhân vô tình lộ dữ liệu nhạy cảm qua nhật ký truy vấn, và việc chỉ tối ưu hiệu quả nhiệm vụ có thể làm rò rỉ tăng lên; một phương pháp RL chú trọng quyền riêng tư giúp tăng tỷ lệ hoàn thành đồng thời giảm rò rỉ.