搜索：个性化助手评测

「个性化助手评测」共找到 1117 篇相关文章

Seedream 4.0大战Nano Banana、GPT-4o？EdiVal-Agent 终结图像编辑评测

在AIGC下一阶段，图像编辑成检验多模态模型关键场景。研究者提出EdiVal - Agent评估框架，能自动化生成指令并多维度评估编辑结果，其评估与人类判断一致性高，还对比了13个模型的多轮编辑表现。

OpenHuman 是 tinyhumansai 团队构建的开源桌面 AI 智能助手，采用 GNU 许可证开源。它解决了 AI 助手失忆、集成碎片化等痛点，有记忆树、TokenJuice 等技术，目前在开源社区反响大。

文章以租赁导购助理“小不懂”为例，介绍Tool Use训练数据合成方案。先分析训练数据的目标与难点，提出动态多智能体对话生成框架，阐述多轮数据、复杂问题合成及过滤方案，展示数据和模型效果，还提及未来工作方向。

上海交通大学和清华大学研究人员开源个性化联邦学习代码库PFLlib，含39种算法、3种场景和24个数据集，支持模拟500设备训练，还有隐私保护评估工具，降低研究门槛。

Current Robotics 发布跨本体、多模态物理世界模型 CurrentWorld-0，它从真实数据学规律，整合跨本体、多视角和力触预测，可评测机器人，解决动作可控性等问题，让评测成训练数据入口。

推荐宝藏级开源项目 OpenClaw Master Skills，它是 MyClaw.ai 团队维护的技能库，汇集 339+ 个 OpenClaw 技能，涵盖多领域，功能亮点多，适用场景广，还介绍了使用方法、精选技能及选择理由。

上海交通大学等团队提出规范对齐概念，构建评测基准 SpecBench 评测 33 个主流模型，发现多数模型有不足。还探索测试时深思方法，如 Align3 能提升规范遵循度，GPT - 5 在规范对齐上断层领先。

文章提出 AgentVista 评测基准，含 209 道任务，横跨 7 大领域 25 个子方向。评测 14 个主流模型，最强的 Gemini - 3 - Pro 准确率仅 27.27%，揭示多模态 Agent 在视觉理解、工具调用等方面挑战大。

天禧个人超级智能体和字节跳动扣子官宣生态合作。天禧是联想新一代AI助手平台，扣子开发成本低、功能完善。合作解决开发者痛点，让用户体验多元AI能力，彰显联想构建AI生态决心。

上海交通大学等团队构建v-HUB评测基准，分析多模态大模型视频幽默理解能力。评测7个前沿模型发现，模型依赖文字、主动发现笑点能力弱，声音作用有限，还需考虑隐形线索。