"我有一個代理。它在自己的系統上。它在自己的電腦上。它可以使用自己的工具。我可能不會讓它接觸我的整個生活……它有點像這個沙盒環境。" @levie 加入了 @latentspacepod，分析了 AI 代理如何需要自己的電腦和沙盒環境來自主運作。

我們測試了 @OpenAI 的新 GPT-5.4 模型，顯示出 78% 的整體提取準確率，比 GPT-5.2 提高了 6 個百分點。 我們的評估在真實行業和文件工作流程中測試了該模型： → 臨床數據：+5 個百分點 (81% → 86%) → 法律協議：+3 個百分點 (82% → 85%) → 監管文件：+5 個百分點 (79% → 84%) → 研究出版物：+7 個百分點 (71% → 78%) → 政府統計出版物：+10 個百分點 (60% → 70%) → 行業與媒體報告：+7 個百分點 (61% → 68%) GPT-5.4 在處理複雜推理、密集報告和不一致的文件結構方面表現出色，可靠性高。 深入了解我們的完整評估 → GPT-5.4 將於今天在 Box AI Studio 上線。

在我們最新的合作夥伴播客集數中，@BenAtBox，Box 的首席技術官，與 @ankrgyl，@braintrust 的首席執行官，坐下來探討組織如何有效地評估、測試和大規模部署 AI 代理。 時間戳 00:39 Ankur Goyal 分享了他從 AI 文件處理到 Braintrust 的旅程 03:01 定義評估及其在 AI 中的運作方式 07:03 AI 代理決策中的非確定性和複雜性 15:12 在處理金融數據的 AI 時，如何應對非確定性的建議 17:40 使用多條路徑進行驗證及交叉檢查結果的重要性 22:12 上下文在評估 AI 輸出準確性中的關鍵角色 26:03 內部評估作為可靠 AI 產品開發的基石 32:16 與供應商一起促進 AI 評估的透明度 34:45 對企業在部署代理能力時避免失敗的建議