「智能体评估」共找到 4001 篇相关文章
1.4K标星！微软开源了一款全能AI客服系统，一键24小时实时对话！
数字化时代传统呼叫中心问题多，成本高。微软在GitHub开源Call Center AI，基于Azure + GPT的智能语音客服系统，具多项功能，采用三层设计，适用多行业，可落地，或成企业标配。
李飞飞最新播客：AI 是一项文明级技术，以人为本是关键
AI教母李飞飞在High Signal播客指出AI是文明级技术，分享构建以人为本AI的见解，涵盖研究动机、好奇心作用、AI同心圆层级等话题，还强调空间智能重要性，给出AI发展建议。
复杂空间推理新SOTA，性能提升55%！中山大学新作SpatialDreamer
中山大学等机构推出SpatialDreamer，模拟人类空间认知过程，构建闭环推理流程，还提出GeoPO解决奖励稀疏问题，构建SpatialDreamer - SFT数据集。实验显示其在多基准达SOTA，为AI空间智能发展开辟新路径。
OpenAI即将发布：开源模型和浏览器
OpenAI将发布AI驱动的网页浏览器挑战谷歌Chrome，或集成代理Operator实现智能网络体验。还准备下周四发布类似o3 mini的开源模型，不再是微软Azure独家。谷歌也可能很快发布Gemini 3。
会解题不等于懂人心，腾讯混元提出Sentient Agent，提高高阶社交认知能力
过去评判LLM像考核‘做题家’，但会解题不等于懂人心。腾讯团队提出SAGE框架，用会闹情绪的agent评委评估模型高阶社交认知能力。实验显示不同模型表现差异大，未来需懂人心的AI。
金融AI武道大会开赛！四道业务真题，出题人：猜不到最优解
AFAC2026金融智能创新大赛开赛，赛题源于真实金融场景，如识别交易行为、还原金融文档等。它强调回归基础研究，探索模型产业价值，是今年金融AI领域值得关注的比赛。
0%完成率！Claude、GPT、Gemini 全灭，SWE-Bench作者新作把AI圈干沉默了
SWE - Bench创建者推出新benchmark ProgramBench，测试AI从零构建软件系统能力。结果一线模型完成率0%，暴露AI擅长局部代码生成，缺全局系统规划能力，引发对其评估方式的讨论。
鹅厂员工怎么看Agent自动持续进化？
落地一个Agent容易，但让其自动持续优化很难。文章分享了9位鹅厂同事对“Agent如何自动持续进化”的看法，如建立评估体系、记录真实任务反馈、结合强化学习等。
字节豆包2.0重磅发布！成本暴降一个数量级，Seed团队揭秘视频Agent竞争关键
今天，字节正式发布豆包大模型 2.0 系列，围绕大规模生产环境需求优化，提供多款通用 Agent 与 Code 模型。其成本优势明显，多模态能力升级，未来将聚焦长链路智能系统构建。
刚刚，Ilya一个神秘动作！OpenAI全员狂欢：AGI来了
Ilya更换X头像和背景封面引发全网猜想，有人猜测SSI内部已实现「超级智能」。另一边，OpenAI研究员集体高呼感受AGI，有人认为取得突破，也有人觉得是跟风刷存在感。