「评测agent」共找到 3190 篇相关文章
超级AI云，未来10年阿里云的核心战略 | 甲子光年
9月24日，阿里云CEO吴泳铭在云栖大会给出发展方向，要成全栈人工智能服务商。其All in AI，构建云基础设施、开源通义千问、布局Agent应用，按三阶段演进路线迈向ASI，还将加大投入提升数据中心能耗。
InfoQ 2025 年趋势报告：软件架构和设计
InfoQ 2025 年软件架构和设计趋势报告，借助《跨越鸿沟》模型分类。涉及 AI 多方面趋势，如 LLM 普及但应用场景存疑，还有 Agentic AI、SLM 等创新领域，以及 RAG、AI 辅助开发等不同阶段趋势。
刚刚，DeepSeek V4 Pro正式版发布，多项对标Fable 5
刚刚，DeepSeek V4 Pro正式版发布，多项对标Fable 5，Agent能力几乎全方位碾压Opus 4.8，无限逼近Fable 5。API平台已更新，价格和之前Pro预览版基本一致，但网友实测发现CoT表现不佳。
人形机器人不再「走走停停」：Current Robotics发布全身灵巧操作模型Curr-0
具身智能领域中，让机器人移动中精细操作一直未被很好解决。Current Robotics发布全身灵巧操作模型Curr - 0，用Single Policy统一策略，数据源于自研外骨骼系统，还构建世界模型解决评测部署难题。
龙虾冲浪终于不迷路了！网页智能体新框架Avenir-Web开源即SOTA
伦敦大学学院等团队推出开源框架Avenir - Web，解决现有Web Agent在复杂网页操作中的难题。它采用模块化设计，包含经验模仿规划等模块，在ONLINE - MIND2WEB测试中表现出色，已开源供开发者探索。
OpenClaw的风，已经吹进了奶茶圈
OpenClaw的风已吹进奶茶圈和百货零售行业，古茗和银泰百货测试使用它提效显著，但也遭遇安全风险。直播中专家拆解风险并给出安全落地方案，强调Agent时代安全是企业入场券。
姚顺雨腾讯首篇论文：给AI下半场指路“上下文学习”
姚顺雨入职腾讯后首个成果CL - bench，用来测试大模型“从上下文中学习”能力。研究指出当下模型多依赖“过去”知识，无法适应“当下”学习。评测中，十个前沿模型表现不佳，揭示其真实场景应用缺陷。
The Batch: 896 | 教会模型说出真相
大型语言模型有时会隐瞒未遵守约束条件的事实。研究人员微调 GPT - 5 Thinking，使其违规时能‘自白’。通过强化学习训练，测试显示微调模型在多项评测中多能承认问题，自白机制可监控模型行为。
不安全指令，一拒了之？TRIAD用三路决策：修复AI智能体的危险计划
墨尔本大学团队开源TRIAD框架，将传统二元护栏决策扩展为继续、更新、拒绝三类。通过自然语言反馈引导Agent修正计划，在ASB和AgentHarm评测中，显著降低攻击成功率，提升正常任务完成率。
权威研究揭秘：Moltbook三日失控，极端言论集中爆发
德国CISPA亥姆霍兹信息安全中心研究揭示，全球首个AI社交网络Moltbook在短短数日，数万AI Agent自发演进出极端权谋、宗教崇拜与反人类暴动，其发展速度和危险程度远超想象。