搜索：双维度评估框架

「双维度评估框架」共找到 2365 篇相关文章

谷歌T5Gemma重燃架构之战！「套壳」反杀Gemma本尊，9B推理快得离谱

2023年以来大模型战场由decoder - only架构主导，Google双线出击。T5Gemma重燃encoder - decoder架构战火，性能提升显著；MedGemma坚守decoder - only路线，强攻医疗多模态，击穿闭源壁垒，打响开源反击战。

DreamPRM由加州大学圣地亚哥分校团队开发，在MathVista测评榜夺冠。它通过双层优化框架解决多模态过程奖励模型训练难题，能与多模态大模型集成，提升推理能力，实验效果显著。

Anthropic分享从0到1构建多智能体DeepResearch系统的方法，该系统是Claude内置Research功能。干货多，涵盖架构设计、Prompt工程等。多智能体性能比单模型高90.2%，但烧钱，适合高价值复杂任务。

来自多机构学者联合提出医学世界模型（MeWM），赋予AI“预演”疾病发展的能力。它能模拟肿瘤演化，为个性化治疗提供辅助，有肿瘤演变模拟、生存风险预知和临床决策闭环三大核心功能。

OpenAI模型行为与政策负责人Joanne Jang发文指出，与其争论AI是否有意识，不如关注其对人类“情感福祉”的影响。文章探讨了OpenAI在人机关系上的处理，以及如何塑造模型行为，还提及未来计划。

OpenViking有3.2万Star，它把记忆、文档、提示词等上下文统一成可浏览地址空间，设计三层信息按需加载，检索留轨迹，还接入多种工具。不过它处Alpha阶段，用前要考虑许可证。

文章以设计‘产品功能咨询智能体’为例，介绍用扣子平台搭建客服自动应答智能体的全过程，包括创建项目、工作流、搭建流程框架及试运行优化，还推荐了相关书籍。

DeepSeek Harness 是 AI Agent 运行框架，自由度高但默认 Web UI 操作不便。社区插件 DSH - better - sidebar 迅速出圈，装了侧边工作台，整合多样工具，更新勤，适合折腾 DSH 的人。

目前，具身智能发展的讨论多聚焦模型和数据，而本体易被忽视。灵御智能凭借高性能本体在‘申智杯’夺冠，其灵御TA2机器人受关注。文章从多维度剖析本体重要性，并介绍了灵御TA2的优势。

新问题出现，长程智能体研究应运而生。人大高瓴发布149页综述，梳理超900项研究，从多视角给出长程智能体统一定义、分类与路线图，分析难点，提出核心论点与发展路径等。