「评估机制」共找到 1534 篇相关文章
System 3 觉醒：从“工具”到“物种”的根本改变
西湖大学与上海交大新论文提出System 3概念及Sophia框架，将认知心理学概念映射到代码模块，让AI Agent像“生命体”生存。采用前向学习和混合奖励机制，实验显示其能力显著进化，为人工生命指明道路。
“大模型第一股”打响上市前哨战！智谱GLM-4.7 刷新开源编程SOTA，修复代码、终端操作表现超Claude 4.5
冲刺大模型第一股的智谱推出开源大模型GLM - 4.7，主打编程与代理式任务提升。它在多项基准测试中表现出色，UI质量飞跃，还采用新推理机制。智谱上市在即，但亏损扩张快，研发投入大。
LangChain Agent 年度报告：输出质量仍是 Agent 最大障碍，客服、研究是最快落地场景
LangChain对1300名行业人士调查，揭示AI Agent应用情况。超半数受访者已将Agent投入生产，客户服务、研究与数据分析是热门方向，但输出质量仍是落地最大障碍，成本不再是难题。
硅谷还在「卷PPT」，中国机器人大军上岗！看呆歪果仁
全球具身智能顶级赛事GDPS 2025在上海张江开幕，智元与宇树等企业同台竞技。赛事分六大主题赛道，首创‘三元评审’机制，还有‘实验工坊’。上海以千亿资金、国家级创新中心和全场景实验推动具身智能发展。
最详细的 DeepAgents 实战拆解：一次看懂LangChain全新深度智能体框架
本文深入解读了LangChain推出的全新开源项目DeepAgents。它定位为“深度Agent”框架，能提升复杂场景下Agent能力。文中通过股票分析实例展示其任务规划、文件系统、子智能体三大核心机制，还介绍原理与未来发展方向。
原神LOL齐聚的Unity开发者大会，我看到了AI游戏的未来
2025 Unity开发者大会展示了“AI+游戏”的新趋势。Unity团结引擎推出AIGC工作流平台AI Graph，降低开发门槛；AWS用AI赋能游戏全生命周期；Meshy专注3D GenAI。但玩家对AI创作有抵触，需建立信任机制。
华为世界模型来了！单卡30分钟生成272㎡场景
华为联合上海交通大学、华中科技大学推出世界模型WordGrow，可生成1800㎡超大室内场景，单卡30分钟跑272㎡。它用数据精准预处理、3D块补全机制、粗到精生成策略填3D场景构建的坑，指标优、速度快。
用「进化+压力测试」自动生成的竞赛级编程题，各家大模型谁更hold住？
北京大学与通用人工智能研究院联合提出 UniCode 框架，构建进化式评测系统，能自动生成高质量算法题目与抗污染测试用例。通过对 19 个前沿大模型测试，展现高挑战性与强判别力，为代码能力评估开辟新路径。
剑桥揭开大模型翻车黑箱！别再怪它不懂推理，是行动出错了
剑桥大学等机构研究指出，大模型执行长时任务易翻车，问题不在推理而在执行能力。研究人员评估多个指标，发现单步准确率提升可让任务长度指数增长，还研究了自条件化等影响及模型规模的作用。
Nano Banana核心团队：图像生成质量几乎到顶了，下一步是让模型读懂用户的intention
这是对Nano Banana核心团队的专访。团队认为图像生成质量提升空间有限，未来关键在模型可表达性和读懂用户意图。还探讨了图像模型发展趋势、应用场景、产品设计、评估方式等，提及与传统工具将长期共存。