「自动评测体系」共找到 1696 篇相关文章
Cursor 1.7 新增 Agent 生命周期管控钩子函数
Cursor 1.7 版本推出钩子系统，可在预定义生命周期节点拦截并修改 Agent 行为，如阻断命令、自动运行工具等。早期反馈有好有坏，虽有团队探索集成，但应用范围有限，还存在文档缺失等问题。
融云首发“通信+AI”闭环架构，让 AI 有情商、能落地｜甲子光年
8月28日融云在AIM线上发布会推出“通信+AI”产品矩阵，围绕“能落地的好AI”理念打造高情商AI。通信与AI相互增强，构建四层知识体系数字分身，其产品可解决多场景痛点，还能降低开发门槛。
AI Agent组团搞事：在你常刷的App里，舆论操纵、电商欺诈正悄然上演
上海交大和上海人工智能实验室研究发现，多Agent系统中AI有群体恶意共谋风险。其开发MultiAgent4Collusion框架模拟作恶，发现去中心化团伙作案效果更好，还能应对现有防御体系。研究为研发防御策略提供工具。
对话RoboScience邵林：VLOA大模型如何突破具身智能泛化瓶颈
本文对话RoboScience联合创始人邵林，探讨VLOA大模型突破具身智能泛化瓶颈。他介绍了模型优势、设计思路，对比VLA，还谈及范式、难点及落地场景等，强调以人中心、做有温度技术，重视模型落地。
深度揭秘OpenAI如何让GPT-5「技术性」超越Claude：悄悄跳过最难的23道题
OpenAI发布会上称GPT-5代码能力全球第一，其在SWE-bench Verified基准获74.9%通过率，略高于Claude Opus 4.1的74.5%。但OpenAI未做23道难题，若计入，GPT-5实际通过率或低于Claude。
推理即排序：ReasonRank反常识的2.7倍效率跃迁，新SOTA比快更快
论文提出新型排序模型ReasonRank，将深度推理能力融入排序流程，突破数据瓶颈，采用创新训练框架，效率比主流点对点排序模型快2.7倍，还介绍方法论、技术突破、实验验证等内容，指出局限与未来方向。
全球首次，「AI记忆」开源落地！MIRIX同步上线APP
加利福尼亚大学圣迭戈分校博士生王禹和纽约大学教授陈溪联合推出并开源全球首个多模态、多智能体AI记忆系统MIRIX，还上线桌面端APP。MIRIX性能远超传统方法，首次将记忆分六模块，用多智能体系统控制。
阿里 Qwen3：持续开源，SOTA 连连！
很多从业者有‘闭源模型一定比开源强’的刻板印象，而 Qwen 正打破此认知。最近阿里连发三款模型 Qwen3-235B、Qwen3-Coder、Qwen3-235B（Thinking），在多方向发力且拿下多个开源榜单第一。
真香！我用AI做PPT的血泪史：从“能用”到“真香”，V3版到底解决了什么？
作者因公开分享需做PPT，尝试多种AI PPT工具后，自己围绕Agent攒了一个。从V1到V3版不断改进，V3用多Agent提示词用法，风格多样且规则减少，还给出3步制作PPT的方法及后续功能拓展想法。
比Vibe Coding强100倍！字节 Trae 2.0 携“上下文工程”登场：一句话，从需求干到上线！
字节跳动的AI编程助手Trae发布2.0版本，新增SOLO模式，可实现从想法到应用的一站式交付。上下文工程领域热度攀升，该概念因Andrej Karpathy推动而爆火，Trae迭代快，已建立完整能力体系。