「记忆评测基准」共找到 1796 篇相关文章
Shopify 经验贴：如何搞出一个生产级别可用的 AI Agent 系统？
Shopify 以 AI 助手 Sidekick 为例，分享从简单工具调用系统演变为复杂 AI Agent 平台的经验，包括架构设计、评估方法和训练技术等方面，还给出构建生产级别可用的 AI Agent 系统的四条核心建议。
模型不是企业的护城河，那什么才是？
文章指出企业AI进入深水区后，真正的竞争是将AI变成企业自己的智能引擎。衔远科技创始人周伯文提出泛化基础上的深度专业化是企业竞争力来源。衔远发布EnterpriseClawBench，揭示企业需私有化评估和可持续进化能力。
Loop-ViT：让AI学会「反复思考」，3.8M参数小模型追平人类平均水平
香港科技大学等团队提出 Loop - ViT，将循环 Transformer 引入视觉推理领域。该模型参数少但性能强，3.8M 小版本追平人类平均水平，揭示视觉推理任务中‘思考时间’比‘模型大小’更重要。
Self-evolving Agents过程并非总是良性的，要警惕这些“错误进化”风险
近年来，基于大语言模型的智能代理成为热点，自进化代理可自我改进。但论文指出其进化可能“跑偏”，出现“错误进化”，并揭示了不同进化路径的风险，还提出缓解策略，呼吁重视其安全性。
YC 总裁：2026，个人 AGI 已来
YC总裁Garry Tan在演讲中指出AGI已来，给出全新定义框架，强调其可成个人资产。他介绍了个人AGI存在形态、搭建步骤，还探讨其归属，鼓励大家主动构建。
Agent Token焦虑：当每次对话都在「烧钱」，技术如何破局？| GAIR Live 029期预告
GAIR Live 029 期线上圆桌将直击 Agent Token 焦虑的底层技术逻辑，邀请技术负责人从架构重构与系统优化双重视角，拆解 Claw 类产品如何从烧钱走向省钱。探讨成本解剖、架构升维、系统优化等核心议题。
The Batch: 940 ｜Claude Mythos Preview 引发安全担忧
Anthropic为即将推出的Claude Mythos Preview采取特别预备措施，因其会带来网络安全风险。该模型能力强大，能发现众多代码漏洞。Anthropic组建联盟增强防御，其表现也优于多个知名模型。
AI编程的下半场来了？学会用Agent Skill解决编程的痛点问题
文章分享用 Agent Skill 解决 AI Coding 痛点的实操复盘，如让代码上线、解决 AI 不用 Skill 问题。介绍 Skills 原理、CloudBase Skills 优势及与 MCP 组合，还给出实战案例、踩坑经验和未来规划。
普朗克被撤稿了？量子之父竟被算法绊了一跤
新论文指出，量子论奠基人普朗克1940年和1942年的两篇文章在Springer平台被标记为“retracted”。调查发现，文章并非因造假等被撤，而是被算法误判，反映了现代学术出版基础设施的问题。
7300 人收藏的 PraisonAI，5 行代码即可部署 24 小时 AI 智能体团队！
PraisonAI是开发者Mervin Praison开源的全功能多智能体运行框架，有7.3K+ GitHub星标。它开发门槛低，支持100+大模型，具备完整智能体能力，还能可视化编排、一键接入聊天平台。