「端到端评测」共找到 3014 篇相关文章
高效智能体的「幕后推手」是谁？一篇综述带你从记忆×工具学习×规划看透
随着大模型能力提升，业界关注智能体落地，而高效性是决定能否上线的‘硬’问题。论文梳理‘高效智能体’综述，从记忆、工具学习、规划三机制出发，还谈及基准评测、挑战与展望。
Databricks与OpenAI合作：企业级私有化GPT-5来了
OpenAI和Databricks深度合作，将把GPT - 5等模型原生集成到Databricks平台。企业可在自有数据环境运行模型，通过SQL等调用，Mosaic AI Gateway保障数据安全，多家企业表示期待。
在 BetterYeah，我看到了一种新的企业生产力范式
2025 WAIC聚焦Agent，C端个人Agent产品热闹，企业级市场落地难。BetterYeah AI获阿里云亿级融资，其解决企业难题，构建“数字同事”，即将发布的Nova Agent开启“AI数字团队”新范式。
手机AGI助手还有多远？移动智能体复合长程任务测试基准与调度系统发布
上海交大与澜舟科技研究发现现有移动端GUI智能体处理复合长程任务能力不足，提出UI - Nexus测试基准和Agent - NEXUS调度系统，经实验能提升任务完成率，也为AI原生操作系统建立雏形。
AI“压力面”，DeepSeek性能暴跌近30% | 清华&上海AI Lab
上海人工智能实验室等团队设计REST框架，在一个prompt里抛多问题模拟复杂推理场景。结果显示，DeepSeek - R1等模型高压下性能大幅缩水，REST能拉开不同模型差距，还揭示评测方法局限。
人类研发时代结束？XYZ最强Search Agent横扫七大榜单，300个Agent跑通AI4AI全栈闭环
近日，XYZAI Lab发布两款Deep Search Agent，刷新多项评测SOTA成绩。其背后是新型AI4AI研发范式，让AI驱动研发闭环。XYZ团队用AI解决多方面问题，在Deep Search验证，未来有望拓展更多场景。
智谱发布龙虾基座模型GLM-5-Turbo，还适配了一个养龙虾的盒子
智谱发布专为龙虾场景深度优化的基座模型GLM - 5 - Turbo，从底层训练重塑，增强四项核心能力。发布评测基准ZClawBench，模型表现领先。还推出龙虾套餐和安全管理体系，助力企业实现算力自由与安全管控。
黄晓明开心麻花助演！智元机器人春晚太会整活了
智元机器人办了场“春晚”，让机器人当主演，还有黄晓明和开心麻花助演。节目形式多样，实现从“机器人演节目”到“机器人撑起一整台晚会”的质变。此外，今年还有宇树、魔法原子等四家官宣上春晚。
Altman承认“搞砸了”！曝 GPT-5.2 牺牲写作换顶级编程，明年成本降 100 倍，实锤Agent 已能永久干活
OpenAI CEO Sam Altman 在研讨会上勾勒 GPT-5 进化蓝图，承认 GPT-5.2 研发“搞砸”写作能力，承诺到 2027 年底其智力成本降 100 倍，还提出未来软件应“随需随生”，重构操作系统。
让 AI 像真人一样操控手机完成各种复杂任务
MobiAgent是强大的移动端智能体系统，含智能体模型家族、加速框架、评测基准。能让AI像真人操控手机完成复杂任务，提供开箱即用App，内置经验检索模块可自动优化规划。