「评估框架」共找到 2216 篇相关文章
谷歌DeepMind曝光首个“AI 经济体”完整架构，Agent催生全新经济体正在悄然成形
谷歌DeepMind论文描绘由AI Agent自主交易和协作的经济体，提出“沙盒经济”框架，分析其起源与隔离程度，指出发展方向及挑战，还给出应用场景、市场机制、设计方案、基础设施层和行动建议。
阿里王牌Agent横扫SOTA，全栈开源力压OpenAI！博士级难题一键搞定
阿里昨晚开源通义DeepResearch，在多项权威基准上表现出色，超越OpenAI、DeepSeek。模型、框架、方案全开源，开发者可在相关平台下载。它告别一问一答模式，像研究员一样工作，还构建了独特数据体系。
别再手动百度了！让 AI 帮你“开挂”搜全网，效率 x10
随着DeepSearch问世，搜索模式正从传统网络搜索向智能体搜索转变。文章拆解Search Agent核心模块，围绕制定任务、搜索、优化、应用和评估分析，介绍各模块特点、架构及优化方向等。
OpenAI IMO金牌团队爆料：AI拒绝作答第六题
OpenAI IMO团队接受采访，透露让模型获IMO金牌的项目仅用两三个月、核心开发者仅三人。还谈及模型证明风格、第六题失分原因、解决千禧年大奖难题距离等，强调通用技术及面临的新挑战。
Remix 3终结以React为中心的架构
多年来，React 一直是全栈 JavaScript 架构基础。但 Remix 3 挑战了这一局面，它遵循渐进式增强和服务器优先原则，将 Web 基本原理置于核心，重新定义构建方式，引发对 React 中心架构的思考。
63页的面向AI搜索范式：Multi-agent、MCP、DAG、RL
百度搜索发布63页《迈向人工智能搜索范式》Paper，介绍模块化、多智能体框架，新范式协调四个专门LLM代理处理搜索事务，还提及新内容及重要性，为下一代AI搜索系统提供基础。
Nature报道：谷歌新模型1秒读懂DNA变异！首次统一基因组全任务，性能碾压现有模型
谷歌DeepMind团队推出生物模型AlphaGenome，能从1兆碱基DNA序列中预测数千种功能基因组特征，评估变异效应。它统一多任务，性能超现有模型，是生物领域里程碑，将助力理解疾病。
恐怖的 361k+ star！这应该是我见过最给力的宝藏项目，全网最全！
介绍GitHub上的开源项目`free-programming-books`，它汇集海量免费编程学习资源，涵盖编程语言、框架、工具等多方面，有361k+ star。资源广、更新快、结构清、支持多语言，使用简单。
Agent全自动搭建代码运行环境，实时更新解决评测过拟合/数据污染问题｜微软
长期以来主流代码修复评测基准SWE - bench问题多，制约AI模型能力展现。微软发布SWE - bench - Live，引入新Issue，实现环境自动化构建与更新，打破传统局限，还揭示传统基准过拟合问题。
大模型推理的“左右脑”革命！华为盘古Embedded凭昇腾之力，让快慢思考合二为一
传统大模型推理面临长链条深度思考与低时延反馈的矛盾，华为盘古团队提出盘古Embedded模型。基于昇腾NPU，其采用双系统认知架构，集成“快思考”与“慢思考”双推理模式，实现推理效率与精度协同提升。