先了解这件事
AI 综述
2026年6月17日,goose 团队发布了一套面向自改进 Agent 的人机协作评测流程。据 goose 官方博客介绍,该流程以 Terminal-bench 为基准,但不追求最高分,而是选用 Sonnet 而非最强模型,并保留足够失败样本以发现智能体缺失的能力。其循环方式是让 goose 对比同一任务中不同 harness 的成败并解释差异,再由人类归纳通用改进方向,以避免智能体退化成针对基准的取巧。该工具位于 goose 仓库的 evals/harbor,入口为 ./evals/harbor/cmd.py,支持 run、list、show、task、compare、pull 等子命令。团队借此发现并修复了两个真实缺陷:通过 PR #9636 为 MoIM 加入轮次感知,以及恢复从磁盘读取图像的能力。目前尚无后续发展事实。
AI 根据公开报道生成
最新进展 · 正式报道
goose：自我改进的 AI 智能体仍需人类把关事件进展
1 个已确认进展
- 来源：goose 官方博客
报道与讨论时间线
按时间查看正式报道与传播讨论；两类内容的证据等级保持独立。
6月17日
goose 官方博客一手
goose：自我改进的 AI 智能体仍需人类把关
goose 团队用 Terminal-bench 做基准测试时，不追求最高分，而是用 Sonnet 而非最强模型，保留足够失败样本以发现智能体缺失的能力。其循环流程是让 goose 对比同一任务中不同 harness 的成败并解释差异，再由人类归纳通用改进方向，避免智能体退化成针对基准的取巧。该工具位于 goose 仓库的 evals/harbor，入口为 ./evals/harbor/cmd.py，支持 run、list、show、task、compare、pull 等子命令。借此发现并修复了两个真实缺陷：通过 PR #9636 为 MoIM 加入轮次感知，以及恢复从磁盘读取图像的能力。