「评测agent」共找到 3184 篇相关文章
刚刚，Cursor 版 Github 上线
昨天 GitHub 宕机，Cursor 团队趁势宣布代码托管平台 Origin 面向付费用户推 Beta 版。Origin 为 Agent 规模工作流设计，有代码仓库管理等功能，性能数据挑衅，此前曾提前曝光又撤回。
VQA高分是在看图，还是在记答案？ReKey只更新决定答案的那一小块
视觉问答模型准确率提升，但高分可能源于记忆。浙江大学等团队提出 ReKey，保留真实场景，只更新决定答案的视觉线索，使评测面向未见过内容，且多数环节可自动完成。
分享一个 OpenClaw 装机必备 Skills 库
腾讯推出代装龙虾公益活动引关注，OpenClaw创始人也转发。GitHub上的awesome - openclaw - skills项目爆火，收录超五千个OpenClaw装机必备Skill，覆盖多场景，还呈现AI Agent发展趋势。
2026年，AI初创全球化的「变与不变」｜沙龙招募
当OpenClaw掀起开源浪潮、Agent应用频现，AI团队面临全球化命题。量子位将发起出海沙龙，聚焦出海早中期决策与路径，招募全球化实践者、参与者和投资机构，设置多环节交流。
别再让语音机器人“答非所问”：AI Force任务型语音对话技术总结
本文围绕企业级任务型语音Agent核心挑战，提出解决“拟人化”与“专业化”问题。介绍三段式语音对话解法、架构演进，还提及‘衍算’推理框架等技术及未来方向，团队来自蚂蚁集团AI force。
太强了！这个 NotebookLM Skill，真的把 NotebookLM 搬进了命令行！
Google的NotebookLM凭借强大模型能力成AI圈“现象级”产品，如今开发者将其搬到命令行，开源神器notebooklm - py诞生，具备AI Agent工具、研究自动化等功能，有多种使用方式。
Feishu OpenAPI MCP 工具深度解析：AI代理与协作平台的无缝集成！
文章深度解析飞书OpenAPI MCP工具，它能实现AI agent与飞书开放能力集成。介绍其功能、特点，以Trae为例讲安装使用步骤，还列举初始化表格、创建群聊等典型案例。
一年上线超 10 款产品，AI 时代如何做独立开发
ThinkAny&MCP.so 创始人艾逗笔分享独立开发感悟与经验，介绍多款 AI 产品，如 ThinkAny、ShipAny 等。还给出 AI 应用出海 SOP、可 all in 的创业方向，如 AI Coding、Agent 等，为开发者提供参考。
多模态推理新基准！最强Gemini 2.5 Pro仅得60分，复旦港中文上海AILab等出品
现有多模态大模型benchmark对逻辑推理理解不足，复旦大学等单位提出MME - Reasoning评估其推理能力。对30 + 模型评测，最优得分仅60%左右，反映出模型多方面推理短板。
刚刚，阿里官方认领神秘「欢乐马」，来自ATH郑波团队
周二晚间，AI评测平台Artificial Analysis上，‘欢乐马’空降榜首引热议。现阿里官方认领，它是ATH郑波团队模型，正内测，近期将开放API。其在多项排行榜表现出色，支持四种视频生成模式。