「系统评估」共找到 2296 篇相关文章
今年最具启发的Claude Code用例：她用cc搭了8个Agent监控自己的生活
文章介绍Molly Cantillon用Claude Code搭建8个并行Agent实例监控生活，涵盖产品运营到睡眠管理等。她21岁辍学创业，其架构新颖，还提出权力关系逆转观点，最后给出使用建议与警告。
微软预览 Foundry Agent Service 长期记忆功能，简化状态管理
在年度 Ignite 大会上，微软宣布公开预览 Foundry Agent Service 中的记忆功能，这是全托管长期记忆存储，与代理服务原生集成。开发者可存储、检索和管理关键上下文，系统自动处理复杂“管道”。
大模型幻觉的源头找到了！清华团队锁定大模型宁愿说谎也要讨好人类的神经元
清华大学研究团队深度解剖大语言模型微观机制，确认幻觉关联神经元存在，揭示其与过度服从行为相关。通过干预神经元激活状态可增减模型幻觉行为，为开发可靠 AI 系统提供靶点。
最鲁棒的MLLM！港科大开源「退化感知推理新范式」 | AAAI'26
多模态大语言模型（MLLMs）在真实世界视觉退化下性能崩溃，制约产业落地。港科大等团队开源的Robust - R1被AAAI 2026接收为Oral，提出显式结构化推理新范式，实现质量与鲁棒性双重突破。
腾讯混元世界模型HY-World 1.5开源，24 FPS的实时交互世界建模
腾讯混元世界模型HY - World 1.5开源，实现24 FPS实时交互世界生成。它采用双重动作表征等技术，解决了长程生成问题，还通过强化学习等优化，在多方面表现出色，为具身智能场景模拟奠基。
准确率腰斩！大模型视觉能力一出日常生活就「失灵」
EgoCross项目团队聚焦跨域第一视角视频问答评测，揭示现有MLLM在多场景泛化瓶颈。团队提出跨域第一视角视频问答基准EgoCross，经测试揭示模型短板，验证改进方法潜力，研究入选AAAI 2026且数据集等已开源。
OPPO AI重磅发布：深度研究智能体，离“真正好用”还有多远？我们给大模型做了一次全身体检
2025年，Deep Research成AI热点，OPPO AI Agent Team对大模型评测。发布论文，开源评测基准FINDER和失败分类体系DEFT，揭示AI“装懂”“缺乏韧性”问题，还分析模型表现并给出发展建议。
马斯克开「AI救国猛药」：3年解决美38万亿国债危机！
马斯克称AI和机器人3年内能解决美38万亿国债危机，他旗下几家公司正技术对接，构建以AI为核心的文明操作系统。同时，华尔街抛弃英伟达，谷歌TPU因性价比优势切入推理市场。
用AI“打开”金融市场黑盒：微软亚洲研究院如何构建订单级仿真引擎
在大模型与智能 Agent 崛起的时代，金融行业变革不断。微软亚洲研究院刘炜清在 AICon 大会分享，团队构建金融基座模型与 Agent 流程，实现高保真市场模拟与决策优化，还介绍了相关平台和模型构建应用。
Claude code skills 怎么用来写作？
作者成峰分享用Claude Code的Skills功能写作的方法。先做写作准备，再用Skills辅助写作，介绍其优势、建立方法，最后排版发布。强调有效AI写作是让AI执行方法论，形成闭环。