「Agent评估」共找到 3309 篇相关文章
从 Langchain 到 Spring AI，我们究竟需要怎么样一个企业级 AI 开发基础设施？
文章指出AI Agent应用开发方式演变快，企业构建AI Agent体系面临挑战。介绍了AI Agent应用架构变化及趋势，如AI应用平台低代码效应、框架与平台双轨并行等，还总结了四类AI Agent框架及企业级框架平台核心考量。
大模型Agent的下一阶段：可自我进化的AI-Agent
在人工智能飞速发展下，研究者探索让AI自我反思改进。本文作者构建自我进化AI智能体系统，设计四层渐进式架构，经《卡坦岛》实验，证明自我进化能力，不同模型表现有差异，代码级进化潜力惊人。
CVPR2025 | 多模态LLM评测Tutorial
多模态大语言模型（MLLMs）研究热门，有效评估成关注焦点。CVPR2025将举办多模态LLM评测Tutorial，梳理评估基准，探讨评估方法，聚焦‘幻觉现象’，团队经验丰富，覆盖多板块内容。
Atlas退场：OpenAI放弃的不是浏览器
OpenAI宣布放弃浏览器Atlas，它将被内置到ChatGPT和Codex里。如今‘Agent first’成共识，浏览器是Agent能力体系组件，非入口，独立AI浏览器可能方向错误。
OpenAI、Anthropic、DeepMind联手发文：现有LLM安全防御不堪一击
OpenAI、Anthropic、Google DeepMind 联手发文，研究语言模型安全防御评估。指出现有防御评估有缺陷，提出通用自适应攻击框架，成功绕过 12 种防御机制，多数攻击成功率超 90%。
OpenAI解释LLM为什么会有幻觉
OpenAI和佐治亚理工联合论文《Why Language Models Hallucinate》深入探讨LLM幻觉根源，指出预训练阶段统计本质和评估体系激励扭曲是主因，还提出改革评估体系引入显式置信度目标的解决方案。
在 OpenClaw 的冲击下，Cursor 已经要过时了
Insight Partners 联合创始人 Jerry Murdock 接受访谈，认为自主 Agent 是 AI 浪潮核心，Cursor 已过时。还提到会有自主 Agent 专属技术栈，软件未来将由 Agent 购买，劳动力市场会受冲击，现在是创办新基金的最佳时机。
一夜狂揽 6k Star，232 个 AI 专家，真疯了！
开源项目 `The Agency (agency-agents)` 增长惊人，单日获 6K+ Stars，十天新增 3.3 万+。它打包开源 232 个 AI Agent 角色、16 个部门，各 Agent 有完整“人格系统”，支持多种主流工具，不过 Token 消耗大。
Veo何止生成视频：DeepMind正在用它模拟整个机器人世界
通用型机器人策略发展带来挑战，传统评估方法有局限，前沿视频模型虽有潜力但面临困难。Google DeepMind团队提出基于Veo的机器人策略评估系统，经实验验证有效，展示了视频仿真评估的可行路径。
最新！万字综述Harness革命！
作者分享Harness Engineering直播笔记，介绍Harness解决Agent落地卡点，其公式为Agent = Model + Harness，有六大核心组件，还梳理了主线，指出Harness是驾驭Agent不确定性的关键，且工程师不会失业。