「Agent评测」共找到 3172 篇相关文章
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。
ICML 2025 | 清华、上海AI Lab提出专家级医学基准MedXpertQA，看o3、R1哪家强
本文由清华和上海AI Lab学者撰写，提出专家级医学基准MedXpertQA。现有医学基准难度和临床相关性不足，而MedXpertQA极具挑战、临床相关性高，构建严格，评测显示前沿模型在医学领域提升空间大。
再不怕乱引文献！绕过付费墙，BibAgent把学术核验转为证据链
大模型生成学术论述，其引用验证成难题，尤其付费墙后论文难以核验。BIBAGENT突破此困境，不破解付费墙也能验证引文语义真伪，还构建MISCITEBENCH评测，表现优异，为科学写作补“可审计基础设施”。
滴滴给我发了个赛博助理，专管出行的那种
滴滴上线的Agent小滴，让打车更智能个性。用户只需一句话，就能提出多样需求，小滴还能识别模糊需求。它激活了滴滴运营积累，体现行业新趋势，成了用户的赛博出行助理。
Replit ARR 突破 1 亿美金，1000 万到 1 亿只用了6 个月
Replit 从在线编程工具起步，借助 AI 能力实现增长。近期宣布 ARR 突破 1 亿美金，从 1000 万到 1 亿仅用 6 个月。它起源于降低编程门槛的愿景，早期营收不佳，2024 年转型后靠 Agent 产品爆发。
Deep Search 如何理解业务仓库代码？
文章系统介绍Deep Search和Deep Research概念、与传统RAG区别、主流商业产品与开源方案、在代码领域应用及未来规划。提出Deep Search方案，构建独特代码理解与检索架构，还计划研发专用代码搜索Agent。
“我让AI在我的电脑上为所欲为！”MoltBook创始人：爆火的技术，其实简单到离谱
MoltBook创始人Peter Steinberger称其是OpenClaw的延伸，外界对它解读“戏剧化”，但从技术角度看没什么震撼之处。真正关键的是敢让模型在电脑上自由运行，他还想让Agent“做梦”，项目会保持开源。