「智能体评估」共找到 3992 篇相关文章
李飞飞万字长文爆了！定义AI下一个十年
李飞飞新文指出AI下一个前沿是「空间智能」，揭秘其「世界模型」核心框架和三大核心支柱。构建具备空间智能的AI需世界模型，其应用涵盖创意、机器人、科学医疗等领域，有望提升人类生活。
又一华为天才少年入局具身创业！用视频生成数据训家用机器人，首个模型登顶具身基模榜单
又一华为天才少年周凯文加入具身创企诺因智能。该公司成立不到一年，专注ToC家用具身智能机器人，用视频生成数据训练模型，其KnowinBrain模型登顶具身基模榜单，团队人才密度高。
告别人工干预！KDD Cup 2026 Data Agents 赛道：定义下一代数据智能体能力边界
KDD Cup 2026 发布 Data Agents for Complex Data Analysis 赛道，由香港科技大学（广州）和清华大学联合承办。旨在推动 AI 告别人工干预，具备自主任务分解等能力，还推出 DataAgent - Bench 测试平台，有丰厚奖励，公布关键时间节点。
从性能到实战，怎样才算是靠谱的 Agent 产品？
红杉中国团队提出AI基准测试工具Xbench，其双轨测评体系不再单纯执着于测评问题难度，重点量化AI系统在真实场景的效用价值，还构建长青评估机制，以确保评估结果的时效性和相关性。
燃尽、重启、爆火：Clawdbot 创始人的 35 分钟访谈实录
本文是 Clawdbot 创始人 Peter Steinberger 的访谈实录。他曾经营 PSPDFKit 13 年，后经历三年倦怠期。2024 年受 Claude Code 启发，10 天做出 Clawdbot，几周内 GitHub 星标近 9 万。还谈及模型看法、改名风波及产品前景等。
中国团队首次在Nature子刊发布医疗AI标准，未来医生MedGPT摘得全球桂冠
中国AI医疗公司“未来医生”协同专家制定CSEDB，首次提出评估医疗大模型临床能力的系统性框架，被《npj Digital Medicine》收录。在其评估下，未来医生的MedGPT在主流大模型中夺冠。
AI 教父辛顿最新对话：超级智能诞生之后，我们唯一的生路是当“婴儿”
在大模型热潮下，“AI 教父”杰弗里·辛顿接受采访，剖析神经网络奥秘，分享对 AI 未来构想与忧虑，包括五年内超级智能诞生可能、人机共存方案，还谈及监管、就业影响等问题。
揭秘大模型评测：如何用“说明书”式方法实现业务场景下的精准评估
文章系统性介绍业务场景下大模型评测流程，包括需求分析、评测集设计生成、维度设定、任务执行和报告输出。指出评测挑战，如设计维度和集，还给出评测方法及案例，像蚂蚁评测集、业务自动化评测。
一个指令误导智能模型！北航等首创3D语义攻击框架，成功率暴涨119%
北京航空航天大学与中关村实验室团队提出全新框架InSUR，入选NeurIPS 2025。该框架可基于指令生成对抗样本，首次实现3D SemanticAE生成，从采样、建模、评估三方面突破，实验验证其有效性与可扩展性。
DeepSeek比你更懂反思！谷歌重磅发现，智能的本质竟是一场社会化对话
谷歌等机构研究发现，像DeepSeek - R1等推理模型思考复杂问题时，内部模拟多角色辩论赛，形成思维社会机制，让AI准确率提升，证明智能本质或是内化社会互动，还为调优AI提供新方法。