「系统评估」共找到 2340 篇相关文章
检索做大，生成做轻：CMU团队系统评测RAG的语料与模型权衡
CMU团队在最新ECIR接收论文中，系统评估RAG语料规模与生成模型规模替代关系。实验表明，语料扩容可让小模型追上大模型，提升主要来自证据覆盖。研究为RAG系统提供更具性价比提升路径。
LLM越狱攻击的威胁被系统性高估? 基于分解式评分的「越狱评估新范式」出炉
目前LLM越狱攻击评估常依赖间接指标或LLM宏观判断，易有偏差。德国、中国等研究团队提出JADES框架，用分解式评分机制，揭示过去高估越狱攻击威胁，为评估建新标准。
生成率从8%到60%：快手智能测试用例生成系统的四阶进化
快手研发效能团队构建智能用例生成系统，实现从手动编写到审核校验的模式转变。该系统历经四阶架构演进，将用例生成率从 8% 提升至 60% 以上，成为公司测试人员日常使用的标准化生产力工具。
清华AI数学家系统攻克均匀化理论难题！人机协同完成17页严谨证明
清华大学科研团队用自主研发的AI数学家系统（AIM），以人机交互模式解决均匀化理论研究问题，形成约17页证明。研究系统性总结五大高效人机交互模式，在三方面取得突破，还提出未来研究方向。
智能体安全如何保障？首个企业级AI Agent应用评估标准欢迎共同起草
近期OpenClaw走红，AI智能体从“能理解、能生成”走向“能执行、能协作”，但企业面临智能体上线条件判断难题。智合标准中心组织起草《企业级AI智能体应用效能评估规范》，现公开征集起草单位与起草人。
告别评估乱象！首个视觉解释综合性基准发布，附人类真值 | KDD'25
埃默里大学团队推出首个视觉解释基准Saliency - Bench，构建8个任务的数据集，提供标准化评估流程与开源工具包，解决评估缺乏标准等问题，推动可解释AI向可靠、透明发展。
让 AI 自己做增长：基于OPC和Harness思想的自主增长系统探索
文章围绕让AI自主做增长，基于OPC和Harness思想构建自主增长系统展开。介绍了系统背景、做法、多Agent架构落地方案，还提及踩坑问题、解决方案及对未来的思考，如完善数据集、探索OPC + AI Agent模式。
让方程发现走向超大规模系统——《Predicting Dynamics of Ultra-Large Complex Systems by Inferring Governing Equations》精读笔记
论文《Predicting Dynamics of Ultra-Large Complex Systems by Inferring Governing Equations》提出Sparse Identification Graph Neural Network（SIGN），将方程发现工作流重新安排，在多类系统实验中展现可扩展性与长期预测能力，还在海表温度数据中恢复出共享动力学表达。
30.9K Star牛啊！！再见了PD，不越狱也能装，支持几十种系统，苹果全设备通用！
在苹果生态运行其他系统，Parallels Desktop 收费且移动设备难装。开源工具 UTM 免费，基于 QEMU 构建，支持多架构和系统，操作界面简洁，外围设备支持强，苹果全设备通用。
RAG系统设计：揭秘语义搜索被低估的核心价值与KG驱动的架构选型策略
在AICon大会上，Hugging Face的尹一峰探讨基于语义搜索的RAG系统重要性，揭示其被低估原因，分析本质与作用，分享设计高效架构方法，还讨论KG驱动的RAG系统及范式选择。