「Agent评估」共找到 3383 篇相关文章
Evaluation is All You Need：评估设计的微小差异如何扭曲结果
论文以DeepSeek - R1 - Distill系列模型为例，指出大模型评估中看似客观的基准测试结果对评估细节极度敏感，细微评估条件变化会致分数波动大，削弱模型对比可信度，呼吁建立新评估标准。
让Agent真正“行动”起来，Agent Skill开发者大赛正式启动！
人工智能下半场关键词是“行动”，Agent Skill成关键桥梁。Agent Skill开发者大赛今日启动，由AIGC开放社区与算泥社区联合主办，聚焦真实任务执行，设双赛道，官方提供支持，有丰厚奖励。
Agent可以自己进化了？！
论文《Automated Design of Agentic Systems》提出让Agent扮演设计师，“元代理”能自动生成新代理设计方案。用编程语言作设计空间，实现“设计自由”。实战中，AI设计的Agent全领域超越人类，还具备知识迁移能力，未来或有自主进化的AI生态。
先解行为，再训Agent：CMU开源首份Agentic Search日志数据，把Agent拆开给你看
CMU团队基于DeepResearchGym平台，从半年真实流量中整理出数据，构建并在Hugging Face开源首个Agentic Search行为日志数据集。还提出三层分析框架，刻画智能体搜索行为，为研究和系统设计提供基础与信号。
重生之我在AI时代当老板：让一群Agent互相PUA
MiniMax推出新Agent Mavis，可组建团队完成任务。其Agent Team分工明确，能解决单Agent在长程任务中的痛点，还将开源。此外，TokenPlan和Agent Plan合并，性价比提升。
国际头部高校联名发布 Agentic AI 的真正进化论
目前从‘LLM’向‘Agentic AI’跃迁，Agent实操能力不足。论文《Adaptation of Agentic AI》梳理领域情况，提出2x2象限框架，介绍优化Agent及工具的方法，还提及局限和未来方向并给出战术建议。
让Agent真正“行动”起来，Agent Skill开发者大赛火热报名中！
人工智能下半场聚焦‘行动’，Agent Skill成关键桥梁。Agent Skill开发者大赛今日启动，由AIGC开放社区与算泥社区联合主办，设双赛道，有官方支持和丰厚奖励，报名通道已开启。
让Agent真正“行动”起来，Agent Skill开发者大赛火热报名中！
人工智能下半场聚焦‘行动’，Agent Skill成关键桥梁。为推动AI落地，AIGC开放社区与算泥社区联合主办Agent Skill开发者大赛，设双赛道，官方提供支持，有丰厚奖励，报名通道已开启。
让Agent真正“行动”起来，Agent Skill开发者大赛火热报名中！
人工智能下半场关键词是“行动”，Agent Skill成关键桥梁。Agent Skill开发者大赛今日启动，由AIGC开放社区与算泥社区联合主办，聚焦真实任务执行，设双赛道，官方提供支持，有丰厚奖励。
综述解读：Memory in the Age of AI Agents
文章围绕《Memory in the Age of AI Agents》展开，指出传统方案难解决Agent长期智能问题，Agent Memory是关键。介绍其形式、功能、动态机制，分析挑战并预测未来方向，为设计记忆系统提供指南。