搜索：自动评测体系

「自动评测体系」共找到 1696 篇相关文章

EvoSkills：自进化的skill，是好skill

文章分享两项Agent Skill最新研究论文，指出智能体技能从手工制作向自动进化转变。介绍EvoSkills和EvoSkill两种自动化Skill进化方案，对比其机制、验证方式等，还提及未来研究方向。

当大模型成公共基础设施，企业需构建围绕业务结构的智能系统架构。特赞提出的 GEA 企业级智能体架构体系，围绕企业业务运行结构设计，能让智能体参与企业经营判断。

作者实测阿里Qoder「专家团模式」，该模式下Qoder组织赛博工程团队，自动解析需求、分配任务，多智能体协同推进项目，解决了代码质量和效率问题，开启多智能体协同编程时代。

南洋理工等机构团队提出基于文言文语境的自动化黑盒测试框架CC - BOS，利用果蝇算法和8维策略空间，暴露主流大语言模型安全盲区，实验显示对6款主流模型攻击成功率达100%。

GTC 2026 上，特斯拉、Skild AI 等公司就人形机器人量产路线展开讨论。涉及数据采集、仿真作用、模型架构等话题，各公司观点不一，如特斯拉强调端到端，Skild AI 看重通用大脑，反映出行业在迈向量产时的探索与分歧。

3月10日，MiniMax港股收涨，市值超百度。OpenClaw爆火，其创始人转发评测榜单，使MiniMax-M2.1排名突出。OpenClaw是智能体构建框架，为大模型公司带来盈利转机，撬开收入天花板，引发各方关注。

Mila唐建团队发表PerturbDiff，跳出前人认知盲区，将“细胞群体的概率分布”视为随机变量。它引入数学工具建模，让MMD内生于体系，在多项基准测试霸榜，还提供应对数据稀缺的思路。

介绍工具`LLMFit`，它用Rust编写，能自动检测硬件配置，判断大模型能否流畅运行，还可推荐最优量化版本和运行模式。该项目在Github获5.9k+ star，有多种安装方式。

上海科技大学联合上海人工智能实验室对爆火的智能体OpenClaw做安全审计，在34个测试场景中，整体安全通过率58.9%，暴露出多方面问题，研究据此给出纵深防御策略。

阿里达摩院开源RynnBrain具身大脑基础模型，全系列7个。它是业界首个有时空记忆的模型，在20项具身Benchmark上超顶尖模型。具小而美优势，训练用自研架构提效，数据丰富，输入输出灵活。