「评估工具」共找到 2523 篇相关文章
胜率直逼人类大师！这套Agent揭开中国AI「玄学真相」
在无信息泄漏的术数题库中，Claude、GPT等主流模型准确率低，而Tianfu Agent系统将准确率提至50%，逼近人类Top20选手。它采用多Sub - Agent协作等策略，还在工具管理、规则使用等方面有创新。
不再迷信Hackathon，把Agent推翻重做了4次！Notion负责人复盘：做AI产品如何避免“逆流而上”？
Notion负责人复盘Agent开发历程，指出AI替代的是流程。他们将模型、产品和权限接入同一框架，历经多次重构，还探讨了组织管理、评估体系、软件工厂等内容，分享对CLI和MCP的看法及产品定价策略。
Notion CEO Ivan Zhao：好的 AI 产品，做到 7.5 分就够了
Notion CEO Ivan Zhao 在播客采访中分享打造 AI 产品的观点。他认为 Notion 整合 SaaS 成生产力工具，数据库是核心。好产品做到 7.5 分即可，构建 AI 产品像“酿啤酒”，知识工作领域 Agent 未真正出现。
JFM | 西北工业大学杨忠鑫、张伟伟等：数据驱动的特定且可泛化的湍流封闭知识发现
本文基于高精度数据结合符号回归等方法重建混合长理论，提出解决泛化性问题的策略。通过槽道等基本流动获普适公式，用于封闭求解RANS方程，在工程附着流中提升精度，为飞行器摩阻预测提供新工具。
模型遗忘不代表记忆抹除！首次系统发现「可逆性遗忘」背后规律
研究人员发现大语言模型遗忘并非简单信息删除，可能藏于内部。他们构建表示空间诊断工具，区分可逆与不可逆遗忘，揭示真正遗忘是结构抹除。还在多种方法、数据集和模型上实证，得出系列结论。
专治AI生图「人脸崩坏」，8倍速碾压GPT！新版FLUX.1多方位刷新SOTA
FLUX.1 Kontext是融合即时文本图像编辑与文本到图像生成的新一代模型，支持文本与图像提示，角色一致性强，速度快达GPT - Image - 1的8倍。它能解决AI生图“人脸崩坏”等问题，评估显示性能优异。
AI 编程别光凭感觉：手把手实操 SDD，把 Vibe Coding 拉回工程轨道。
在AI编程中，“Vibe Coding”模式在大型项目上存在弊端，易带来架构不一致等问题。规范驱动开发（SDD）应运而生，它将重心移到“定义规范”。文章介绍了SDD理念、工具、流程，还给出实操步骤与落地建议。
半世纪难题48小时破解！陶哲轩组队把AI数学玩成打怪游戏了
陶哲轩与多名数学家合作，借助多种AI工具，仅用48小时就解决了尘封50年的Erdős问题。此次解题既有“人与人的协作”，也有“人与AI的协作”，这种方式正成新趋势。
Altman 嘲讽 Meta 挖走的不是顶尖人才，OpenAI 高管首曝内幕：ChatGPT 如何让我们一夜“封神”
AI 领域人才抢夺激烈，Meta 招募 AI 人才触动 OpenAI。OpenAI CEO Altman 嘲讽 Meta 没挖到顶尖人才，还透露正评估薪酬。同时，OpenAI 播客揭秘 ChatGPT 幕后，包括名称由来、传播、内部辩论等，也谈到模型问题及应对。
Anthropic：我们如何构建多智能体研究系统
Anthropic分享构建多智能体研究系统的经验，该系统用多个Claude智能体探索复杂主题。介绍了多智能体系统优势、架构、提示工程、评估方法，也提及生产环境的挑战，此系统处理开放式研究任务价值大。