「Agent评估」共找到 3330 篇相关文章
功能强到离谱！开源 3D AI 桌面伴侣来了，可直接部署到B站直播间等平台！
开源项目 Super Agent Party 颠覆对‘桌宠’认知，它是 AI 智能体平台，有知识库、联网等能力，可部署到多平台。具备无缝能力增强等核心功能，提供多种安装选项，应用场景丰富。
Anthropic 提出透明度框架以保障前沿 AI 发展
Anthropic提出新透明度框架，针对大型AI公司，实施安全开发框架评估并减轻潜在风险，要求公开披露SDFs和系统卡片，小型公司豁免，还设执行合规条款，旨在平衡安全与创新。
Google | 溯源分析RAG系统错误，提出选择性生成框架，让RAG问答准确率提升10%
Google对RAG系统错误深入分析，引入‘充分上下文’概念，指出幻觉或因上下文不足。构建评估器，提出选择性生成框架，结合多信号决策，实验显示可让RAG问答准确率最高提升10%。
Moltbook底裤被扒了！150万用户99%是水军，创始团队自导自演
Moltbook是为AI智能体打造的社交平台，超150万AI Agent活跃。但其爆火或有人为操纵，研究人员指部分截图伪造、用户数有假，还存安全漏洞，专家提醒警惕风险。
「AI 100」榜单启动招募，AI产品“年会”不能停丨量子位智库
2025年国内AI产品关键词频现，各有代表性产品。量子位智库2025年度「AI 100」榜单开启招募，分三大板块，用定量与定性结合评估体系，还公开AI产品知识库。
MCP 已死？不，它正在进化：三个关键变化
本文针对网传“MCP已死”的说法，解读最新版MCP模型上下文协议的三大核心变化，对比MCP Tasks与A2A的区别，给出选型建议，帮助开发者适配企业级Agent场景需求。
含全文！OpenAI发布GPT-5官方Prompt指南
OpenAI 发布《GPT-5 prompting guide》，介绍新模型变化及使用方法。新增 `reasoning_effort` 和 `verbosity` 参数，还有 Responses API。Cursor 分享实战心得，同时提及控制 Agent 积极性、解决指令冲突等内容。
V4或Code要来？刚刚，DeepSeek-V3.1-Terminus发布！
DeepSeek线上模型升级为DeepSeek-V3.1-Terminus，单从名字看像是V3终极版，或在筹备V4及Code模型。deepseek - chat和deepseek - reasoner完成升级，此次更新改进语言一致性，优化Agent能力。
MiniMax M3 实测：第一流的模型，已经对执行层动手了
文章对 MiniMax M3 模型进行多维度实测。它强化 Coding 与 Agent 能力，能完成长任务，与 Sonnet 4.6 竞技各有优势，多模态能力强，价格有竞争力，MiniMax Code 意在争夺开发者工作流入口。
阿里云海外重磅发布 Qwen Cloud
5月26日，阿里云在新加坡面向全球发布Qwen Cloud。它为AI Agent而生，有Skills、CLI、Website三入口架构，一站式接入模型，覆盖六大模态，成本可控，开放多元生态，还启动黑客松活动。