「评估驱动开发」共找到 2709 篇相关文章
腾讯混元数字人团队发布Moral RolePlay基准，揭秘大模型的「道德困境」
腾讯混元数字人团队和中山大学推出「Moral RolePlay」测评基准，评估大模型扮演多元道德角色能力，揭示顶尖AI模型演不好反派，暴露模型理解社会心理复杂性的局限，还给出未来对齐技术方向。
从《塞尔达传说》理解 Agent 的上下文工程：Claude Skills 还是被低估了
Claude Skills 是为 AI 设计的「技能包」，能把复杂任务指令打包。作者认为其信息分层设计哲学是关键突破，以《塞尔达传说》为例，介绍了信息分层和按需加载理念，还阐述了三层架构及应用案例、挑战和通用原则。
一个能思考、会记忆的AI导演诞生了！新加坡管理大学，香港中文大学等实现故事化视频生成
新加坡管理大学等提出开源全能多智能体框架UniVA，可统一视频理解、分割等能力，按指令生成完整故事视频。还引入UniVA - Bench基准测试套件，实验显示其在多任务中表现出色，代表视频智能生成重要进步。
61岁贝佐斯创业物理AI！亲任CEO，首轮获投62亿美元融资
纽约时报消息，61岁贝佐斯创立Project Prometheus进军物理AI，亲任联席CEO。公司获62亿美元资金，员工上百人，从顶级AI公司挖人。该领域已有大厂及离职人员入局，竞争激烈。
GitHub 推出 AgentHQ，Copilot 生态再扩容
GitHub在GitHub Universe 2025活动上推出AgentHQ，可让开发者在其开发环境创建并部署AI智能体，是Copilot延伸。智能体可处理编码多环节，还与GitHub Actions集成，社区反响褒贬不一。
AgentFS：把SQLite作为智能体状态存储
SQLite适合记录代理状态等，但在Agent系统中缺优雅应用案例。AgentFS是基于SQLite为AI智能体设计的状态管理系统，核心是Turso实现的存储系统，结合三个关键组件，提供四个主要组件，目前处Alpha阶段。
Python只是前戏，JVM才是正餐！Eclipse开源新方案，在K8s上不换栈搞定Agent
近期，Eclipse 基金会在开源平台 Eclipse LMOS 推出‘代理定义语言’（ADL）。LMOS 项目旨在用统一、开放方式重构企业级 AI 代理开发与运维链路，对标专有平台与 Python 技术栈，避免企业‘推倒重来’。
大模型公司不搞浏览器搞Agent，实测找到原因了
文章实测阶跃星辰桌面Agent小跃，它能操作命令行，可自然语言驱动计算机功能，有悬浮球形态，能联网、搜索、处理表格等，还支持复用操作、定时任务，但也存在速度慢等不足。
比小说还“野”！宿舍副业 AI 项目征服全美高校，俩20岁辍学大学生年赚千万，大批融资找上门全拒
两名20岁大学辍学生Rudy Arora与Sarthak Dhawan联合开发的AI笔记工具Turbo AI，用户量激增至500万，年经常性收入破八位数且保持盈利。它源于解决课堂记笔记难题，功能不断迭代，破圈吸引职场人士，还拒绝大批融资。
OpenAI 发了一份《写好文档指南》｜写文档，是一种同理心的体现
OpenAI发布《写好文档指南》，强调写文档是为把信息装进别人脑子，是同理心的体现。给出让人能扫、好读、更多人看懂等原则，如拆分内容、句子简洁等，还指出必要时可打破规则。