「评估驱动开发」共找到 2708 篇相关文章
ICML 2025 | 大模型能在信息不完备的情况下问出正确的问题吗？
当前大语言模型推理研究多聚焦被动推理，主动推理研究少，制约其在现实场景应用。为此提出 AR - Bench 基准评估大模型主动推理能力，实验显示大模型主动推理能力严重不足，并指出后续拓展方向。
文档秒变演讲视频还带配音！开源Agent商业报告/学术论文接近人类水平
澳大利亚和英国多所高校团队提出多模态智能体PresentAgent，能将文档转化为配有语音讲解和同步幻灯片的视频演示。其模块化生成框架有可控性和领域适应性，评估显示它在各指标上接近人类水平。
一分钟的奇迹与幻觉：实测世界模型Happy Oyster
4月16日阿里发布世界模型Happy Oyster，支持多模态输入与音视频联合生成。实测显示，它在场景构建、渲染上有优势，可替代部分传统引擎工作，但存在一致性不足问题，现阶段更适合改造游戏开发流程。
我用GLM-5肝出一个Rust版Agent系统，Opus 4.6迎来了最强开源对手。
作者实测智谱发布的GLM - 5后，用其开发出Rust版Agent系统并开源。还对比GLM - 5与Kimi 2.5、Opus 4.6，认为GLM - 5写后端能力强，让普通开发者也能用高级架构能力。
强化学习教父重出江湖， 生成式AI的时代要结束了？
新智元报道，强化学习之父Richard Sutton称GenAI时代正结束。他加入ExperienceFlow.AI，要让AI靠「经验」觉醒。该公司定位打造「经验驱动的去中心化超级智能」，认为AI下一阶段应从世界中学习。
具身智能迎来ImageNet时刻：RoboChallenge开放首个大规模真机基准测试集
近日，RoboChallenge推出全球首个大规模、多任务真机基准测试。它构建开放、公正、可复现的‘真实考场’，为视觉 - 语言 - 动作模型提供评估标准，推动具身智能发展，还提供远程测试服务等。
吴恩达来信：AI 技能正在重新定义优秀开发者的标准
吴恩达指出市场对懂 AI 的开发者需求大，应届生失业率上升。面试看重利用 AI 辅助开发等能力，具备这些技能的人效率远超传统开发者，AI 工程正掀起变革，基础与 AI 知识结合造就高效开发者。
一年破千万美金，一款海外AI创意引擎爆发了
一款名为Creati的AI创意引擎发布仅1年，就有千万用户规模，实现千万美金年收入。它另辟蹊径专注创意定制和优化，创始人Ella Zhang认为创意是广告的核心，还在秘密开发创意Agent。
万字长文图解Qwen2.5-VL实现细节
文章作者今年年初写好，为防盗版一直内部分享，时隔半年因Qwen2.5-VL已渗入MLLM开发各场景而公开。从源码抽图例助理解，涵盖window attention等内容，排版全文见指定链接。
新鲜出炉！斯坦福2025 CS336课程全公开：从零开始搓大模型
斯坦福大学2025年春季CS336课程“从头开始创造语言模型”课程和材料全公开。介绍了讲师信息，课程目标是引导学生开发语言模型，含5单元19门课，注重实践，还说明了学习该课程需具备的能力。