阿里斬獲國際AI頂會最佳資源論文獎，提出Agent評測新範式
重點摘要
7月8日，國際AI頂級學術會議ACL 2026公佈了最佳論文獎項，阿里研究團隊在Deep Research Agent方向的研究成果從全球一萬多篇投稿中脫穎而出，獲評最佳資源論文獎（Best Resource Paper），是國內唯一獲得該獎項的中國公司。據悉，該論文首次系統揭示了當前Agent在真實世界複雜規則推理中面臨巨大缺陷，並提出了全新的專家Agent評測基準，為提升大模型在真實場景的可靠性指明瞭新方向。
7月8日，國際AI頂級學術會議ACL 2026公佈了最佳論文獎項，阿里研究團隊在Deep Research Agent方向的研究成果從全球一萬多篇投稿中脫穎而出，獲評最佳資源論文獎（Best Resource Paper），是國內唯一獲得該獎項的中國公司。 據悉，該論文首次系統揭示了當前Agent在真實世界複雜規則推理中面臨巨大缺陷，並提出了全新的專家Agent評測基準，為提升大模型在真實場景的可靠性指明瞭新方向。 ACL（國際計算語言學協會）成立於1962年，是自然語言處理和計算語言學領域中歷史最悠久、最具權威性的國際學術組織。 在學術評價體系中，ACL長期位居谷歌學術計算語言學子領域的h5-index影響力榜首，是大模型、Agent等前沿計技術的核心論文首發陣地。 據介紹，ACL 2026共收到12148篇投稿，僅19%被主會錄用，最終僅有4篇論文獲評Best Resource Paper。 阿里此次獲獎的論文以商品出口所需的10位海關編碼（HS Code）為切入點，提出了針對真實場景和專家水平的智能體新基準 HSCodeComp，它要求 Agent像資深關務專家一樣，將商品模糊的屬性與嚴格的關稅歸類規則對齊，為商品精準映射到10位細分編碼。 研究團隊對14個主流大模型和9個先進 Agent框架進行了全面評測。 測試結果顯示，表現最好的Agent系統準確率僅為45%左右，遠低於人類專家95%的準確率。 更值得注意的是，研究還發現單純堆更多推理時間（inference-time scaling）並不能顯著縮小這道鴻溝，這意味著這背後並非"算力問題"，而是Agent架構本身的結構性瓶頸。
Related
相關文章
深度解讀：Meta變身“算力黃牛”，AI基建的狂飆時代到頭了嗎？
Meta宣布推進算力商業化，從算力買家轉為賣方，引發全球半導體板塊劇烈震盪，市場擔憂算力可能出現結構性供過於求。當前算力需求正從大規模訓練轉向高性價比推理，企業採購邏輯轉向ROI審計，而電力供應瓶頸與成本通脹則成為擴建的主要限制。業界普遍認為，AI基建正告別狂熱的暴力堆料階段，轉向精細化運營與效能為王的新格局。
Claude、Cursor、OpenClaw集體上手機，Agent成最卷打工人：007全勤、關機照常搬磚
七月七日，Anthropic 正式宣布 Claude Cowork 功能開始向網頁端與移動端擴展，首批開放對象為每月支付 200 美元的 Claude Max 用戶，隨後數週內將陸續覆蓋其他訂閱方案。這項更新看似只是客戶端的擴張，實則徹底改變了手機在 AI 應用中的角色——它不再只是另一個聊天視窗，而成為隨時隨地管理 Agent 工作的控制台。
Perplexity 自研 AI 編程工具曝光，公司程序員已投入使用
Perplexity 開發內部 AI 編程工具「Teammate」，自 5 月起已供公司工程師使用，未來可能正式推出。該工具支援多種模型，專用於統籌軟體專案全流程開發，將直接與 Cursor 等產品競爭。公司技術長認為 AI 將取代手動翻看程式碼，只要通過品質校驗即非劣質代碼。
DeepSeek、智譜考慮自研AI芯片，大模型公司為何集體下場造芯？
賬號設置我的關注我的收藏申請的報道退出登錄登錄搜索36氪Auto數字時氪未來消費智能湧現未來城市啟動Power on36氪出海36氪研究院潮生TIDE36氪企服點評36氪財經職場bonus36碳後浪研究所暗湧Waves硬氪氪睿研究院媒體品牌企業號企服點評36Kr研究院36Kr創新諮詢企業服務核心服務城市之窗政府服務創投發佈LP源計劃VClubVClub投資機。
這屆大學生畢業後，可能得給AI當保姆
這屆大學生畢業後，可能得給AI當保姆字母AI2026.07.08 15:58 · 來自北京全文5023字00:00 / 14:14botsitting，下一個勞動力蓄水池？文 | 字母AI誠然，AI讓無數企業裁員，但另一方面，AI也在產生新的工作崗位。根據人社部啟動了互聯網企業雲端招聘月活動的最新數據，今年暑假，超5000家互聯網企業集中釋放了超過20萬個就業崗位。京東、騰訊、字節跳動、美團等頭部企業合計貢獻超4.6萬個崗位，覆蓋AI算法、大模型應用、高性能計算等前沿方向。不只是崗位增加了，工種也增加了。比如算法工程師、提示詞工程師等等。而最近剛剛興起的botsitting，就很有可能成為新的勞動力蓄水池。啥是botsitting？babysitting是指照顧嬰兒的保姆，那botsitting就是照顧機器人（AI）的保姆。微軟的Copilot部門就有“AI培訓師”、“數字化採納專員”、“AI倡導者”這樣的崗位。他們乾的活，從某種程度上來說就是一種botsitting。具體來講就是教同事怎麼用AI、檢查AI輸出的質量、把AI嵌入到具體的業務流程裡。在實際工作中，從AI輸出的答案，再到真正將其應用到實際場景，這倆之間往往不是一回事。AI可能會輸出幻覺，也有可能完全會錯你的意思。總之一句話，你得花點時間來修改修改AI輸出給你的答案。那這個時間具體是多長呢？根據Glean旗下Work AI Institute聯合斯坦福、UC伯克利等高校發佈的《Work AI Index 2026》報告，一個白領每週都需要花將近一天的工時來進行botsitting。再加上botsitting不是什麼難活，稍有點AI使用經驗就能上手。因此，剛好適合那群剛剛畢業，想要了解行業的大學生。就像當年的數據標註師一樣，一開始乾的人也很少，但是隨著AI發展，大家越來越注意到這個崗位的重要性，因此崗位也隨之壯大。
阿里斬獲國際AI頂會最佳資源論文獎，提出Agent評測新範式
< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.