新闻资讯7

AI智能体基准测试：问题丛生待解决

机器之心2025-07-15

AI 摘要

现有AI智能体基准测试问题大，如模拟环境脆弱、缺乏标准答案。研究提出有效性判据和ABC清单，应用发现主流基准测试多有投机捷径、结果不真实、缺乏透明度等问题。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

Google推出企业级Gemini agent

本文介绍Google Cloud推出的Gemini agent，面向企业工作流的智能体产品，支持跨多模型调度，AI可拥有独立企业身份，可接入多款企业常用工具，解决企业部署AI的权限、审计痛点。

本文报道OpenAI最新更新，全天候个人AI智能体dots全面登陆手机端，支持全流程手机创建配置；同时优化dots与Codex的协作流程，新增Codex对话输入预测功能，降低AI任务使用门槛。

Meta介绍了一款名为"组织第二大脑"的AI智能体设计思路，旨在捕获存储领域专家专业知识，架构结合结构化可审计知识与自改进闭环，无需重训模型即可更新，最初用于合规领域，可推广至多个领域。

字节跳动Seed联合多家机构，针对当前递归式自我改进AI依赖外部给定目标反馈的缺陷，提出三项新基准，从三个核心维度研究Agent自进化能力，揭示了当前AI自进化的核心瓶颈。