「评估机制」共找到 1534 篇相关文章
刚刚，何恺明团队新作，「嵌入式语言流」ELF来了
何恺明团队提出ELF模型，将扩散过程置于连续向量空间，只在最后翻译成词。它用一个网络实现去噪和解码，引入自条件机制。实验显示，ELF用不到其他方法十分之一数据，生成质量全面领先。
Resolve AI：为什么 AI SRE 领域有望诞生下一代 Datadog
文章分析了 AI SRE 领域发展现状，指出运维侧 AI 变革慢于开发侧。介绍了 Resolve AI 产品，包括多 Agent 机制、应用场景等，还提及融资、客户情况，对比了与 Traversal 差异，探讨了 AI SRE 未来趋势。
Meta-Harness：让AI 改进自己的Harness
斯坦福IRIS实验室Yoonho Lee团队推出开源框架Meta - Harness，让AI自我优化流程。它像给AI用的‘时间机器’，记录源代码、执行轨迹和评估分数。在任务上表现出色，但也面临耗时、数据爆炸等挑战。
深入理解OpenClaw技术架构与实现原理（下）
文章为《深入理解OpenClaw技术架构与实现原理（下）》，讲解各系统模块，如SandBox沙箱系统、记忆管理等，还介绍自进化、工作区与路由等机制，最后展望企业级智能体架构和应用方向演进。
人大高瓴孙浩团队发表Nature子刊封面文章：基于并行符号枚举的物理定律发现
中国人民大学高瓴人工智能学院孙浩教授团队在《自然 - 计算科学》发表封面论文。提出PSE框架解决符号回归瓶颈，通过公共子树复用和GPU并行提升评估效率，实验表现优于现有方法，也指出了局限性与未来方向。
ICLR-26腾讯混元：Agent是强大的，但用户是狂野的
现有LLM工具使用基准测试场景理想化，忽视真实用户行为复杂性。腾讯提出WildToolBench，基于真实用户行为构建测试集，对58个模型评估，发现模型准确率低，揭示LLM在真实场景下能力缺口，为模型优化指明方向。
全网首份「龙虾」安全部署指南来了！360出品
近日，开源AI智能体OpenClaw走红，多地出台扶持政策，部署成趋势。但它带来新安全挑战，工信部、信通院等已预警。360集团率先发布国内首份《OpenClaw安全部署与实践指南》，为政企和开发者提供安全参考。
企鹅终于跟进了：OpenClaw 接入企微，一个企微群，我管住了 Win、Mac、手机，还能@不同AI 专家
微信不开放，企业微信却允许 OpenClaw 接入。其接入简单，还具特色机制与主动性通知。文中介绍了 OpenClaw + 企微等玩法，如多 Bot 群聊、跨设备控制等，最后给出企微接入 OpenClaw 保姆教程。
Claude推出多智能体代码审查系统：Anthropic内部同款，接管PR深度抓Bug
Anthropic为Claude Code引入代码审查系统，复刻内部审查机制，调度多智能体揪深层Bug。该功能面向团队和企业版用户预览，审查更彻底，虽成本高但有效提升审查质量，还能自定义规则、管控成本。
刚刚，GPT-5.4 发布，百万上下文、最强全能模型
OpenAI发布GPT - 5.4，集推理、编程等能力于一体，支持百万级上下文窗口。有三个版本，功能全面升级，如支持中途打断、电脑操作、视觉能力提升等，还更省token、少幻觉，安全机制完善，价格有调整。