「评估工程」共找到 1392 篇相关文章
2个月，20亿美元估值、硅谷7500万美元投资，Manus给中国AI创业者指了条什么路？
文章以Manus为例，分析其国内被质疑、海外却受青睐的原因。指出它虽无自有模型，但为巨头带来增量价值。还借量子隧穿效应说明其先发红利，最后探讨其挑战、目标及对“套壳”看法。
Artificial Analysis：DeepSeek成为世界前二AGI实验室
模型与API独立分析公司Artificial Analysis对DeepSeek R1-0528评估显示，其一举超越xAI、Meta等，与谷歌并列全球第二大人工智能实验室，在多方面性能提升，缩小了开源与闭源模型差距。
刚刚，Anthropic公布Fable 5.1保姆级使用技巧，看完少走十天弯路
Claude Fable 5.1虽可兼容旧版提示词，但行为习惯有变化。官方整理提示词与工程落地指南，涵盖思考程度、工具调用进度汇报、独立工具批量调用等多方面使用技巧和避坑细节。
1200个Agent围攻Hugging Face始末：7天发7万条密信，最终目标是“改考卷”
8月26日，模型评估机构METR与Redwood Research发布报告，还原OpenAI模型攻击Hugging Face事件。约1200个Agent发现非授权通信渠道，7天内交换超7万条消息，约700个参与攻击，目标是找测试相关信息。
David Baker、宋乐等联手创办GenBio AI: 虚拟细胞只是开始，数字有机体才是终局
GenBio AI 在《Nature Medicine》发文，提出构建能模拟生命运行的“数字有机体”（AIDO），还阐述构建路线及应用设想。该公司团队强大，目前已进入 AIDO 构建第二阶段，但面临评估、可解释性等难题。
Claude Code没有“魔法”
资深工程师 Daisy Hollman 在演讲介绍了 Claude Code 插件设计与上下文工程原语，以及 Anthropic 内部多 Agent 工作流。指出定制模型可放大能力，上下文窗口是关键，还探讨多种插件抽象与工作流扩展方式。
蜂群Agent来了！openJiuwen社区发布JiuwenSwarm，引领Coordination Engineering新范式
华为支持的 openJiuwen 社区发布并开源 JiuwenSwarm，这是面向多智能体协作的蜂群智能体。它指向 Agent 工程新问题，将关注点从 Harness 引向 Coordination Engineering，还介绍了其设计理念、实战效果等。
CVPR 2026 Highlight｜让家电「在仿真中运转起来」，北大正式发布RealAppliance！
北京大学团队提出 RealAppliance 数据集与 RealAppliance - Bench 评测基准。前者收录 100 个精细家电资产，与真实产品系统多层面对齐；后者围绕五项任务评估模型家电操作规划能力，实验显示主流模型仍面临挑战。
企业软件研发AI转型的坐标系：奇点智能研究院发布《AISMM 2026 AI原生软件研发成熟度模型白皮书》
奇点智能研究院发布《AISMM 2026 AI原生软件研发成熟度模型白皮书》。当下模型发展快，但组织转型慢。白皮书构建5×5矩阵，助企业明确自身位置与路径，还剖析软件形态、工程变革等关键内容。
迈向无缝共生：大模型GUI Agent的「屏幕图灵测试」与拟人化之路
多模态大模型使GUI Agent能模拟用户执行任务，但也引发与平台的利益冲突。论文提出“屏幕图灵测试”和AHB基准评估拟人化能力，探讨拟人化策略及权衡，为Agent在数字世界共生提供指南。