「Agent评测」共找到 3184 篇相关文章
AI“压力面”，DeepSeek性能暴跌近30% | 清华&上海AI Lab
上海人工智能实验室等团队设计REST框架，在一个prompt里抛多问题模拟复杂推理场景。结果显示，DeepSeek - R1等模型高压下性能大幅缩水，REST能拉开不同模型差距，还揭示评测方法局限。
刚刚，斯坦福宣布发起首个AI 主导学术会议
斯坦福大学James Zou教授宣布Agents4Science 2025会议，这是首个要求AI作主要作者和审稿人的学术会议。会议玩法独特，有三大目标，顾问委员会豪华，引发网友热议，将于2025年10月22日虚拟举行。
2025-06 - 念头通达（月度小结）
作者 2025 年 6 月月度小结，称不再想读博、不追求研究工作，认为有让人幸福的工作。工作上 Agent 落地有收益，探讨平台化提效，还分享选业务的乐观心态，也提及消费和做视频情况。
智谱发布龙虾基座模型GLM-5-Turbo，还适配了一个养龙虾的盒子
智谱发布专为龙虾场景深度优化的基座模型GLM - 5 - Turbo，从底层训练重塑，增强四项核心能力。发布评测基准ZClawBench，模型表现领先。还推出龙虾套餐和安全管理体系，助力企业实现算力自由与安全管控。
26.7K 标星！GitHub 高分教程 Learn Claude Code：12 节课带你手搓一个 Cursor！
Learn Claude Code是shareAI - lab开源教学项目，目标是让人理解AI编程Agent工作原理。它有12节课，每节加一个机制，逻辑清晰。配交互式Web平台，文档‘心智模型优先’，还提供后续项目助知识落地。
首个千万美金ARR的AI4S公司，完成AI设计新分子商业应用
2026 年初，AI 从「单一工具赋能」转向「场景深度共生」。MetaNovas 携 Agentic AI 先进材料发现平台亮相，以创新模式打破传统研发瓶颈，完成从「AI 设计」到「AI 落地」跨越，实现千万美金 ARR。
Skills火爆之后，我收集并整理了最近全网火爆的Skills，拿走不谢～～～
文章介绍 Agent Skills，称其是 AI 助理的「使用指南」，技能分浏览、加载、使用三阶段加载，有快且轻、跨平台、易分享等优势。还推荐多个优秀 skills 及相关工具网站，提醒从业务出发看待它。
Qoder 发布首个自进化的智能体：看 Quest 如何重构了 Quest
Qoder 发布首个自进化智能体 Quest，它能自主完成重构自身长程任务执行逻辑等任务。Quest 从上下文管理、工具选择、Agent Loop 三方面优化架构，还具备自主进化能力，正探索自主编程新可能。
刚刚，AI视频的天花板被掀翻！测完SkyReels后飘了：我亦有成为专业导演的潜质
昆仑万维官宣上线全新一站式多模态AI视频创作平台SkyReels，同步发布模型SkyReels V3并优化多能力。实测其画布、Agent等功能玩法多，还打通多模态边界，将巩固昆仑万维地位，加速人人专业创作愿景到来。
VaseVQA：考古领域实现专家级，诊断+补弱RL框架
在文化遗产与人工智能交叉领域，研究人员提出把大型多模态模型放于‘诊断—补弱—精细化评估’闭环训练，配套结构化评测基准，让模型在文化遗产领域接近专家级能力。介绍了技术步骤、数据基准及关键发现等。