「评估工具」共找到 2536 篇相关文章
Arch Gateway: AI Gateway的前瞻选择
AI Agent开发易陷入复杂维护困境，借鉴云原生思路，一些云原生产品朝着AI gateway进化。介绍开源项目Arch Gateway，它是AI原生gateway，具备智能路由、工具调用等能力，能让开发者专注核心业务逻辑。
程序员必收藏！AutoGPT x 167k star实战指南：AI拆解+插件驱动，源代码一键自动化
AutoGPT 是基于 GPT - 4 的开源自主智能代理，在 GitHub 上超 176K 星，速度超 PyTorch。它能解决复杂任务自动化等痛点，具备持续自动任务等核心功能，还给出使用指南，在同类型项目中领先。
百文心快码正式发布AI IDE，首创设计稿一键转代码、支持MCP
6月23日，百度副总裁陈洋发布文心快码独立AI原生开发环境工具Comate AI IDE，是行业首个多模态、多智能体协同的AI IDE，首创设计稿一键转代码，亮点多、功能强，适配开发场景。
为AI打造的知识图谱服务器MemoryMesh
MemoryMesh是专为AI模型设计的知识图谱服务器，适用于多种结构化数据场景。它有动态模式驱动工具等特性，可自动生成管理工具，还配备记忆查看器，提供安装指南和提示词建议。
干货的一天 -【MCP协议驱动的AI新范式】峰会活动精彩回顾
2025年6月14日，“MCP协议驱动的AI新范式”峰会在上海举办。活动汇聚多企业专家与社区代表，通过主题演讲和工作坊，深度探讨MCP协议在技术、商业及生态建设中的价值，多位专家分享见解与技术成果。
Claude与人类共著论文，苹果再遭打脸！实验黑幕曝光
苹果一篇质疑大模型推理能力的论文引发争议。Open Philanthropy研究人员联手Anthropic发表论文，揭露苹果论文三大缺陷，指出部分测试无解却让模型“背锅”，还给出正确评价大模型推理能力的方法。
Anthropic的多智能体，真的有必要吗？
作者曾质疑多智能体系统，看了Anthropic对「Claude Research」的说明后有了改观。介绍了多智能体系统定义、性能提升、代价，还阐述构建方法、评估方式，公开三个核心提示词及协作模式。
知识类型视角切入，全面评测图像编辑模型推理能力：所有模型在「程序性推理」方面表现不佳
东南大学等团队提出KRIS - Bench，从知识类型视角对图像编辑模型推理能力评测。它分三大知识范畴、细化多种任务，设四维度评估指标，测10款模型，发现模型程序性推理等能力不足。
统一20+多智能体方法，MASLab震撼发布
由十机构联合推出的 MASLab，带来大模型多智能体系统代码库，统一 20+主流 MAS 方法。有方法全、评估准、结构清晰特性，经大量实验刻画性能图谱，还提出新方法，且发起开源社区。
o3-pro答高难题文字游戏引围观，OpenAI前员工讽刺苹果：这都不叫推理那什么叫推理
OpenAI“最新最强版”推理模型o3 - pro引发关注。首位全职提示工程师给它设难题，它推理后答对。OpenAI前员工借此讽刺苹果。各大评测榜单显示其表现与官方有差异，苹果&SpaceX前工程师分享使用心得，肯定其表现。