搜索：编程Agent评测

「编程Agent评测」共找到 3970 篇相关文章

复旦等推出「第一人称视听基准」，补齐多模态模型「听觉拼图」

多模态大模型在真实世界会“失聪”，现有第一人称视频问答/理解基准长期偏“视觉中心”。复旦等团队推出首个系统评测第一人称声音理解能力的基准EgoSound，能让模型听懂世界，评测显示当前模型与人类差距大。

Moltbook是面向AI的论坛，类似Reddit。短短两天有几万帖子、上万子版块和近150万个Agent账号，人类只能围观。它由开发者Matt Schlicht搭建，文中介绍注册方法，也提及使用规则和作者体验。

文章指出大语言模型驱动的Agent系统存在核心矛盾，常见上下文加载方案有局限，缺乏灵活机制。介绍了AgentScope发布的Skill机制及渐进式披露策略，还讲了其在Java中的实现，最后分析了适用与不适用场景。

中国人民大学高瓴人工智能学院与华为诺亚方舟实验室聚焦大语言模型智能体记忆能力，形成含综述论文、数据集和工具包的研究体系。探讨记忆概念、重要性、实现与评测方法，还构建评测榜单、实现工具包。

Andrej Karpathy在旧金山Y Combinator AI创业学院演讲，指出软件正进入“软件3.0”时代，大语言模型（LLM）是新型计算机，能用英语编程。他探讨了LLM特性、生态，以及如何利用其构建部分自治产品等。

大神Karpathy预言只有复杂UI界面、不提供文本交互的应用将被淘汰，还点名Adobe、CAD。他言论引发讨论，支持者强调后端接口，反对者认为专业软件有其价值。此外，他还批判大模型编程‘重生成轻判别’。

2025年以来，大模型应用飞速发展，以OpenClaw为代表的开源框架是变革催化剂，但其在企业级生产环境有缺陷。理想汽车以阿里云ACS Agent Sandbox及ACK为核心，为Agent构建专属‘沙箱’，解决落地难题。

文章探讨Skills商店的生意前景，介绍应用层转变，对比Skills与Agent商店，说明Skills来源，指出简单流程型Skills易被复刻，还阐述Sklls、MCP、A2A的关系及当前Agent存在慢的问题。

近日，Anthropic发布Claude Code首席工程师Boris与对外沟通负责人Alex的对话，揭秘Claude Code诞生、能力、技巧与展望。它可在终端辅助编程，适配多环境，还集成Claude Max套餐，新模型让其功能更强大。

最近字节有两个豆包相关新闻，一是在训练超大模型，二是反对模型蒸馏。豆包上线大批 Agent 相关工作任务能力，覆盖办公场景，如电脑操作、技能商店等，过程流畅且可观察，还更新移动端，实现远程控制。