「智能体评估」共找到 3992 篇相关文章
智元首发SOP系统：打破离线训练瓶颈，让具身智能在“干中学”
2025年VLA让机器人有通用性，但真实部署存问题。智元机器人具身研究中心提出SOP在线后训练系统，融合在线学习等，使机器人在真实环境持续进化，实验显示其能提升性能、效率，突破VLA瓶颈。
从WAIC上爆火的功夫机器人，看到这家央企的具身智能「真功夫」
今年4月“功夫boy”机器人出圈，3个月后的WAIC上它全新升级。其背后是中国电信人工智能研究院（TeleAI），由李学龙教授带领。他们技术栈全面，在硬件、软件、数据等方面全栈自研，还布局智传网，未来发展潜力大。
解锁任意步数文生图，港大&Adobe全新Self-E框架学会自我评估
香港大学与Adobe Research联合发布Self - E框架，可从零训练实现任意步数文生图。它改变训练范式，用两条互补训练信号，在GenEval基准表现出色，让文生图训练更灵活且具扩展性。
突破后训练瓶颈？Meta超级智能实验室又一力作：CaT解决RL监督难题
AI后训练依赖监督微调或程序化检查器，但很多有价值任务缺这两种资源。Meta超级智能实验室等机构研究者提出CaT方法，把推理时额外计算当教师信号，为大模型提供监督，实验显示效果显著。
北航LiveRepoReflection: 扭转乾坤-仓库级代码反射
本文提出LiveRepoReflection基准，评估多文件仓库代码理解和生成能力，含1888个测试案例。创建RepoReflection - Instruct数据集训练RepoReflectionCoder，评估40多个LLMs，结果显示其能有效测模型反思修复能力。
解决Agent幻觉：HaluMem精准定位记忆系统的“说谎”环节！
近年来，LLM和Agent在记忆管理上存在挑战，现有评估方法无法定位幻觉来源。论文提出HaluMem评估基准，通过三大任务和两个数据集揭示记忆系统幻觉行为，为开发可靠记忆机制提供指导。
AI人形机器人+智能可穿戴时装大秀！领略东方语境下的未来人机美学
2025年濮院时装周上，数字艺术家余一萌携手众擎机器人带来《器生幻形》机器人时装秀。以数字孪生为核心，展示服装虚拟与现实一体化设计。大秀融合多元元素，为未来人机协同时尚打开想象空间。
李飞飞万字长文爆了！定义AI下一个十年
李飞飞最新长文指出，AI下一个前沿是「空间智能」，它能让「看见」升华为「推理」等。她揭秘了空间智能「世界模型」核心框架和三大核心支柱，还阐述了其应用领域及构建挑战。
semianalysis 长文 | 关于Meta 砸钱、抢人、领导力、建帐篷、计算、数据和超级智能
Meta在基础模型性能落后，扎克伯格亲自挂帅开启AI军备竞赛。他砸钱收购、挖人、堆算力，建GPU集群，还面临Llama 4失败问题，试图通过一系列举措追赶超级智能。
AGI只是硅谷的幻想？！AI科学家盛赞中国，并从物理学角度宣告我们永远造不出AGI
AI科学家Tim Dettmers在博客发文指出，计算需遵循物理定律，线性进步要消耗指数级资源，硬件升级红利已尽。他认为美国追求超级智能短视危险，中国重应用普及更务实，AGI不会发生，超级智能是幻想。