「智能体评估」共找到 3992 篇相关文章
湾大北交大开源 CutClaw，自动踩点音乐的 AI 智能视频剪辑师！
大湾区大学GVC实验室和北京交通大学团队开源CutClaw，它是模拟专业后期流程的多智能体系统，能实现音乐驱动剪辑，按文字指令自动剪辑，适配多平台，还可解构素材。操作简单，支持多模型。
微信测试中心刷新业界标准，斩获 ICCV 图像质量评估挑战赛冠军
微信测试中心IH-VQA团队在ICCV 2025 MIPI赛事夺冠，其首创的iDetex方案刷新业界标准。该方案能精准定位图像失真，提升评估可解释性，已在微信多业务落地，未来将深耕多模态质量评价等领域。
谷歌Gemini最强性价比模型发布，1块8读完3本三体
谷歌推出Gemini 3.1 Flash-Lite，号称性价比最高的Gemini 3系列模型，每百万输入token仅0.25美元，读完3本《三体》只需1.8元。性能表现佳，还支持可调思考层级。两小时后ChatGPT推出GPT - 5.3 Instant回应。
AI 驱动的智能异常处置：从异常发现到根因定位
在 2025 年 QCon 全球软件开发大会（北京站）上，阿里云算法专家张颖莹分享《AI 驱动的智能异常处置：从异常发现到根因定位》。她介绍阿里云计算平台运维挑战，给出算法选型与设计思路，还提及后续平台建设规划。
构建会思考的测试Agent：从自动化到自主智能的演进
文章介绍面向企业级软件测试的质量数字人系统，结合大语言模型等实现从传统到自主智能测试跨越。分析专有云测试困境，指出通用AI Agent平台局限，阐述系统设计、能力及架构，展示应用成果并展望扩展场景与未来计划。
大模型刷数学题竟有害？CMU评估20+模型指出训练陷阱
CMU团队评估20多个大模型，发现只有强化学习（RL）训练的模型能将数学推理技能广泛迁移到其他任务，监督微调（SFT）训练的模型迁移有限甚至无迁移。研究还探索差异原因，表明RL微调更具优势。
以AI革新研发：从数字协同到智能工艺的全链路升级
文章介绍“数字化大研发体系”，Geega捷做设计研发协同平台从三维度重塑研发管理，解决五大问题；Geega工艺专家数智引擎系统让工艺环节智能化跃升，该体系能带来立体价值，提升企业效率。
LLM长文本内卷，谁是真英雄？告别跑分玄学，我们需要一把“公道秤”
OpenNLG Group做了统一长上下文评估框架LOOM - Scope，兼容主流benchmark、model和长上下文加速方法。该框架围绕BENCHMARK、DEPLOYMENT和EVALUATOR三大核心模块，还提出LOOM - Bench应对评估成本制约。
空间智能终极挑战MMSI-Video-Bench来了，顶级大模型全军覆没
上海人工智能实验室 InternRobotics 团队推出空间智能视频基准 MMSI-Video-Bench，对主流多模态大模型进行评测。该基准题型全面、问题具挑战性，视频数据多样，能针对性测评。结果显示模型与人类差距显著，明确了能力瓶颈。
AI修真的一年：学者们怎么看“真智能”？｜甲子光年
甲子光年在年终盛典对话三位学者，探讨AI“真假智能”。学者们提及强化学习、推理、多模态等技术突破，分析研究路径，还谈选择标准与未来期待，指出AI是工程实践命题，真与假关乎信念选择。