「智能体评测」共找到 3864 篇相关文章
首个GUI多模态大模型智能体可信评测框架+基准：MLA-Trust
MLA-Trust 是首个针对 GUI 环境下多模态大模型智能体的可信度评测框架，构建了涵盖四核心维度的评估体系，对 13 个模型深度评估，揭示可信度风险，还提供评估工具箱，推动其可靠部署。
广义智能体理论：智能时代通向「万物理论」的新路径？
源自AI的「广义智能体理论」为探索「万物理论」提供新视角。它将物理、生命、AI系统纳入标准智能体框架，提出四大基本作用力或源于「智能场」，还为经典、相对、量子力学差异提供新诠释。
Agent RL和智能体自我进化的关键一步: TaskCraft实现复杂智能体任务的自动生成
当前智能体训练缺高质量任务数据，主流数据集依赖人工标注，规模和复杂性受限。OPPO 研究院提出 TaskCraft 框架，能自动生成智能体任务，构建并开源含约 41,000 条任务的数据集，支撑智能体训练评估。
用DAA衡量智能体 百度智能云用“新全栈”重新定义AI云｜甲子光年
2026年产业焦点转向智能体落地，李彦宏提出DAA概念。百度智能云升级为新全栈AI云，解决智能体落地难题，从架构决策、行业应用等多方面发力，其价值值得市场重估。
企业级 Agent 多智能体架构与选型指南 -- 来自1000+行业应用实践积累
本文基于超1000+智能体应用实践经验，介绍企业级Agent多智能体架构。强调单智能体优先，介绍AgentScope支持的多智能体模式，对比工作流与对话模式，给出架构选型指南，还提及Spring AI Alibaba Graph为多智能体提供的能力。
谷歌发76页智能体白皮书！你的「AI替身」已上线
谷歌发布76页AI智能体白皮书，剖析其应用前景。涵盖智能体运维、评估方法，探讨多智能体架构，还介绍智能体增强检索生成及企业应用，如NotebookLM企业版、Agentspace空间企业版等。
吴恩达来信：建立为人类服务的智能体社群
吴恩达讨论编程智能体分享经验平台的可能性，介绍了解决编程智能体获取最新API文档问题的chub工具。他提出收集智能体反馈以更新文档，还受Moltbook和Stack Overflow启发，认为智能体贡献反馈很有价值。
上交×蚂蚁发布 DiagGym：以世界模型驱动交互式医学诊断智能体
上海交通大学与蚂蚁集团等团队提出新训练框架，构建面向医学诊断的世界模型DiagGym，训练诊断智能体DiagAgent，还设计评测基准DiagBench。实验显示该框架下的智能体表现优于先进模型，代码等已开源。
Spring AI Alibaba 1.0 GA 正式发布，Java智能体开发进入新时代
2025年AI智能体爆发，Java智能体构建需求激增。Spring AI Alibaba 1.0发布，是基于Spring AI的AI框架，提供多智能体框架、生态集成等核心能力，助力Java智能体开发，还规划了持续迭代、可观测评估等功能。
解决智能体手工构造难题！ 浙大&腾讯提出 ReCreate，从零自动构建领域智能体
浙大、腾讯等机构研究者提出ReCreate框架，不依赖手工设计，让智能体自主构建。它从交互经验中找优化方向，有三重设计，实验显示能提升多领域任务通过率、降成本，未来或开启AI“自我制造”时代。