「评估问题」共找到 3746 篇相关文章
OpenAI差点没了？总裁亲述：奥特曼被罢免当天，我就辞职了
OpenAI联合创始人兼总裁Greg Brockman在播客复盘2023年11月奥特曼被罢免的72小时，讲述公司治理结构的崩塌与重建，还谈及OpenAI从非营利到营利的转变、未来押注方向及算力等问题。
从0开发大模型的17种Agent架构演进详细拆解
文章详细拆解从0开发大模型的17种Agent架构演进，介绍各架构解决的问题、状态、拓扑、路由、失败模式等，指出Agent架构本质是控制流设计，还给出架构选择建议及判断新架构的方法。
Claude Code 10天写完Cowork 全部代码！Anthropic 新品抢白领饭碗，争议拉满！
Anthropic推出基于Claude Code架构的Cowork，定位是协作智能工作体。它能操作文件、解决工作流断裂问题，但有操作和提示注入风险。目前是研究预览版，后续会改进，引发能否被信任的讨论。
AI Agent 落地之困：为什么“人”与“流程”是最大障碍？
本文解读 MMC 报告，揭示 AI Agent 落地面临核心挑战、衡量标准、付费模式及落地策略。指出最大障碍是‘人’与‘流程’问题，如工作流集成、员工抵触、数据隐私等，还提及企业付费情况和成功落地秘籍。
The Batch: 866｜GPT-5 起飞遇乱流
OpenAI推出GPT - 5及其系列模型，涵盖多种类型，有新功能与性能提升。但发布中路由器故障等问题让用户失望。它在部分基准测试表现佳，不过抽象推理能力有不足，还回顾了发布历程。
别焦虑！不会用AI也不会被淘汰，工程师老哥实测各类工具：10倍生产力神话太夸张了
工程师科尔顿·沃奇实测Claude Code等AI开发工具后发现诸多问题，如难以理解大型代码库上下文、跟不上标准等。他认为‘10倍生产力’是神话，AI需工程师引导，大家不必因AI而焦虑。
数学推理热潮下的冷思考！如何训练真正"全能"的推理模型？
论文评估20余个开源推理模型在多领域表现，发现多数模型数学成功难迁移。揭示微调方法（RL vs SFT）决定能力泛化，SFT像‘填鸭’，RL似‘思维健身’，为构建通用推理智能体提供新路径。
伯克利最强代码Agent屠榜SWE-Bench！用Scaling RL打造，配方全公开
开源软件工程模型DeepSWE横空出世，基于Qwen3 - 32B，仅用强化学习训练，以59%准确率刷新SOTA。它采用rLLM框架、R2E - Gym环境，用改良GRPO++算法，还介绍了评估策略及训练挑战的解决办法。
AI Infra 工程师们如何应对大模型流水线里的“暗涌”？
InfoQ《极客有约》X AICon 直播邀请华为、蚂蚁集团等专家探讨大模型 Infra 工程师实战日常。涉及大模型工程高频问题、版本迭代冲突处理、推理部署成本优化、开源项目挑战及 GPU 虚拟化趋势等内容。
Agent群体智能来了！魔搭开源Agent自进化群体智能框架：群体记忆自动蒸馏与进化，8万+群体技能即取即用，智能体画像一键复用
个人或团队部署使用智能体面临状态易失、重复试错、迁移困难等痛点。魔搭ModelScope团队开源的Ultron框架，补上群体协作基础设施，解决经验沉淀、技能进化和画像共享问题，提升智能体协作效率。