「评估工具」共找到 2536 篇相关文章
4 万星开源项目被指造假！MemGPT 作者开撕 Mem0：为营销随便造数据，净搞没有意义的测试！
高人气开源智能体记忆项目 Mem0 发布论文，称在 LOCOMO 测试打败对手。MemGPT 创始团队 Letta AI 联合创始人公开指控其造假，称测试无意义，自己轻松超其基准数据。二者都为解决大模型长期记忆问题而诞生。
一年成爆款，狂斩 49.1k Star、200 万下载：Cline 不是开源 Cursor，却更胜一筹？！
AI编程助手看似热门，实则多数亏本运营。Cline选择开源，允许用户自由组合LLM编程，个人免费，企业服务收费。它一年成明星产品，获49.1k Star、近200万下载，其创始人分享了产品理念、发展等多方面思考。
两年半后，我不再“写”代码，而是“指挥”一个AI团队
腾讯程序员分享两年半使用AI的经验，涵盖工作与生活。工作中，介绍信息处理、规划、执行、复盘等流程的AI工具及用法；生活里，提及AI在育儿、娱乐等场景的应用，鼓励开放心态尝试。
DevProxy 0.28 发布，增加 AI 支持
微软发布 DevProxy 0.29 命令行工具，新版本增加 AI 支持，便于配置使用。它能模拟 API 及网络行为，结合 dev tunnels CLI 可检查云服务通信，还利用大模型生成文件，有重大架构变更等。
字节跳动刚把自己招牌AI Agent开源了，可商用、超6000颗星
字节跳动招牌AI Agent扣子（Coze）开源且支持商用。它是开发平台，提供大模型、工具与开发模式，可视化一站式开发，有上百种模版，还介绍了无代码开发客服智能体的步骤及功能。
解道奥赛题成本5000美元？陶哲轩警告，AI下一步要规模化的「更便宜」
谷歌新一代 Gemini 进阶版在 IMO 竞赛达金牌水平，华人数学家陶哲轩对此关注且担忧。他认为评估 AI 表现应谨慎，AI 发展需从定性转向定量，要‘降本增效’，未来标准化评测很重要。
GuardAgent：首个专门为LLM agent提供安全Guardrail 的守卫型agent
近年LLM从对话工具变为可自主执行任务的agent，但带来安全隐私挑战。传统安全监护对其力不从心，为此学者发布GuardAgent，它守卫agent，具通用性、精确判断和免训练部署优势，实验表现佳。
120页深度报告，搞懂今年大模型和应用的现状与未来
Innovation Endeavors合伙人Davis Treybig发布《State of Foundation Models》（2025），从七个维度剖析AI产业现状与趋势。报告指出，AI发展迅速，模型成本高且迭代快，应用渗透各行业，智能体崛起，市场结构变革，公司运作方式也在重塑。
AI 编程如何在团队中真正落地？
文章围绕AI编程工具Cursor在团队落地展开。分析推广难题，如使用意愿和能力问题，提出研发流程规范、结构化语言表达和应用级特化解决方案，还给出通用Rules和prompt示例，助力Cursor高效落地。
微软推出深度视频探索智能体，登顶多个长视频理解基准
尽管LLMs和VLMs在视频分析和长语境处理有进展，但处理数小时长视频有局限。微软提出智能体Deep Video Discovery (DVD)，以简洁框架在LVBench取得高准确率，将以MCP Server形式开源。