「评估方法」共找到 2125 篇相关文章
多智能体编排太繁琐？MASFactory用Vibe Graphing直接「话」出来了
多智能体系统编排当前较为繁琐，北京邮电大学开源 MASFactory 框架，提出以图为中心架构和 Vibe Graphing 开发范式，将开发推向自然语言驱动时代，系统评估显示其效果良好。
中山大学梁小丹团队论文：让视频生成从「看起来真实」到「物理上正确」丨CVPR 2026
中山大学梁小丹团队提出《ProPhy: Progressive Physical Alignment for Dynamic World Simulation》，通过分层建模和逐步对齐，引入视觉语言模型作监督，解决视频生成模型物理建模问题，提升物理正确性和视频质量。
最权威的Skills编写指南来了！33页，Anthropic亲自发布
Anthropic发布33页《Skills编写完整指南》。Skills能为智能体注入行业经验与工作流，实现复杂任务自动化。指南梳理了编写逻辑，涵盖定制、构思、测试、发布等全生命周期内容。
IMO题库“过时”了！OpenAI内部模型挑战最新First Proof，做了7天错了一半
谷歌发布Gemini 3 Deep Think爆火后，OpenAI用未发布内部模型，一周内尝试解答10道来自数学家科研现场的真实问题，5道基本正确。这些题取自真实研究，切断模型“背答案”可能，意味着自主推理能力进化。
前资深亚马逊工程师高效使用Claude Code指南
前资深亚马逊工程师Eyad分享高效使用Claude Code指南，包含先思考再打字、用好CLAUDE.md、避开上下文窗口陷阱等实用技巧，助开发者与工具流畅协作。
谷歌AI连发6篇数学论文！Gemini攻入博士级科研，91.9%刷爆SOTA
谷歌DeepMind放出多篇重磅论文，Gemini Deep Think成「科研合伙人」，攻克多领域难题。谷歌打造基于Gemini的「AI数学家」Aletheia，在博士级难题获科研里程碑，首批6篇论文成果斐然。
AI Agent 总翻车？这篇综述戳破了 3 个关键误区
很多团队做AI Agent停留在‘LLM+工具’表面拼接，运行易出问题。该综述指出AI Agent是‘系统’，介绍其架构，还给出常见误区的应对方法、落地检查清单，展望应用前景。
长视频会议纪要、访谈节目精剪AI神器
WhisperVideo是用于长篇幅、多说话人视频的简洁演示系统，专为真实对话构建。它有SAM3视频分割、TalkNet主动说话人检测等功能，具备视觉关联说话人归属等特性，文中还介绍了安装、运行等内容。
刚刚，智元提出SOP，让VLA模型在真实世界实现可扩展的在线进化
智元具身研究中心提出SOP框架，可让VLA模型在真实世界实现可扩展的在线进化。它是颠覆性的机器人学习新范式，整合在线、分布式和多任务机制，构建闭环打破机器人认知时间边界。实验显示其性能优越。
拥抱大模型：深入剖析ReAct的核心原理、技术架构及其对AI领域的深远影响
文章深入剖析ReAct，它是普林斯顿大学和谷歌团队提出的智能体架构范式，将推理与行动协同，构建TAO闭环。介绍其原理、架构，指出解决传统AI难题，也存在局限，未来可与强化学习等融合。