近日，一篇名为《SkillsBench: Benchmarking How Well Agent Skills Work Across Diverse Tasks》的论文预印本引爆了海外 AI 社区，YC 总裁 Garry Tan 亲自转发，登顶 Hacker News（363 票 / 163 评论），霸榜 AlphaXiv #1，
近日，微软Bing Ads与DKI团队发表论文《AdNanny: One Reasoning LLM for All Offline Ads Recommendation Tasks》，宣布基于DeepSeek-R1 671B打造了统一的离线推理中枢AdNanny，用单一模型承载所有离线任务。这标志着从维护一系列任务特定模型，转向部署一个统一的、推理中心化的基础模型，从
美团LongCat团队发布了当前高度贴近真实生活场景、面向复杂问题的大模型智能体评测基准——VitaBench（Versatile Interactive Tasks Benchmark）。VitaBench以外卖点餐、餐厅就餐、旅游出行三大高频生活场景为典型载体，构建了一个包含66个工具的交互式评测环境，并设计了跨场景综合任务。
Legora从观察律师朋友被"thankless tasks"拖累的痛苦中诞生，通过"真正合作伙伴"而非单纯工具的协作理念，解决了传统法律研究低效问题——AI可为律师每周节省4小时、年增10万美元计费时间，目前已服务250家顶级律所实现数据室审查从数周压缩至数小时。
刚刚，ChatGPT的全新功能「Tasks」上线了。用户可以通过设置需要执行的任务和执行时间，来指挥ChatGPT在未来某个时间，自动完成任务。
开年第一剑，OpenAI Agent闪亮登场！ ChatGPT新功能「Tasks」，让AI有了执行力，可以替你完成各种任务。
