←搜索结果

按匹配度 · 共 142 条结果 清除搜索

星期五

  1. Anthropic:The Institute

    Anthropic 发布第六期经济指数报告:Claude 使用节奏与产物分析

    Anthropic 发布 Economic Index 报告,改用每日持续采样的隐私保护遥测数据,可观察到小时级使用规律。报告显示个人用途对话占比从工作日的约 35% 升至周末的近 50%,食谱请求在 18 点出现 2.3 倍峰值,4 月 14 日税务相关对话是 5 月平均日的 8 倍。报告还按产物对对话分类,93% 的对话被识别出产物,其中解释类占 17%、文档与报告占 15%。

    济影响的方法也不得不随之调整。 为了跟上这一变化,我们对经济指数的数据管道做了若干调整。在本版本中,我们: 以更高的采样率采集数据,使我们能够观察到小时级的使用模式。 引入新的分类器,为每段对话的输出打上标签。 分享更细粒度的数据,分别列出聊天与 Cowork 对话(合称“Claude 对话”)以及 1P API 的结果,并按月汇总。1 我们在 附录中描述了其他方法上的调整。这些调整共同更清晰地呈现了 AI 如何映照并渗透进经济生活。 此外,我们此前一直无法了解 Claude 在用户会话 之外 的影响。人们如何看待 AI 正在改变他们的工作或他们可获得的机会?他们对 AI 的使用是否塑造了他们的预期?在理想情况下,他们希望从 AI 得到什么?我们报告了于 2026 年 4 月启动的 Anthropic 经济指数调查的初步发现。 我们在下文预览主要发现。 在第一章中,我们展示外部世界的节律如何塑造 Claude 的使用。与工作相关的查询在周末减少,但在收入最高的职业中降幅较小;人们倾向于在早晨询问新闻,而睡眠建议在凌晨 5 点左右达到高峰;税务相关请求在申报截止日期前后激增。 第二章探讨

    匹配字段正文

星期四

  1. Anthropic:The Institute

    Anthropic Project Fetch 二阶段:Opus 4.7 独立操作机器狗快于人类团队

    Anthropic 公布 Project Fetch 第二阶段实验,Claude Opus 4.7 在无人工协助下运行 Claude Code,完成去年人类团队做过的任务时比最快人类团队快约 20 倍。在至少一支人类团队完成过的每项任务上,Opus 4.7 都至少快 10 倍;在四支人类团队均完成的任务上,平均比无 Claude 团队快 37 倍以上、比有 Claude 团队快 18 倍以上,且生成的代码量比 Team Claude 少近十倍。模型仍在精确推动沙滩球这一闭环控制环节失败,Anthropic 称这并非已解决机器人问题,改进来自通用能力扩展而非针对机器人训练。

    Bar chart labeled "Total time comparison: 4 tasks completed by all teams." The chart shows that Team Claude-less completed tasks in 361 minutes; Team Claude completed tasks in 181 minutes, and Claude Opus 4.7 alone completed tasks in 9 minutes 35 seconds. Opus 4.7 was 37.7 times faster than Team Claude-less and 18.9 times faster than Team Claude.

    我们可以看到其效率的证据:它比两支人类团队都同样成功或更成功,同时生成的代码量比Team Claude少近十倍。 Opus 4.7并非完美。例如,它默认使用了过时的目标检测算法。但即便如此,它也能绕过这一问题并得出有效的解决方案。 我们观察到模型完成步骤的完成时间在任务内差异很小(按绝对值计)。(不过前述次优算法选择很可能是其中一次沙滩球检测试验耗时明显长于其他试验的原因。)总体而言,对于本次实验中处于其能力范围内的任务,Claude现在相当可靠。(关于Claude仍无法完成之事的分析,见下一节。) 值得强调(正如我们在上一篇博文中所做的那样),这一进展并非有针对性地提升我们模型机器人能力的结果。这些改进,如同大语言模型发展史上的许多其他改进一样,源自更为通用的规模化扩展。 Claude在哪里遇到困难? 在使用双手并经过一些练习后,我们的人类能够操控机器狗轻轻将沙滩球推回机器人起始的本垒(一块假草坪)。这需要能够快速感知球是否偏离路线、该误差与先前命令的关系、球现在的位置,以及如何调整后续输入以更精确地移动球。这是一种人类擅长的闭环(至少在犯了一些错误并从中学习之后)。 在我们的第二阶

    匹配字段正文