「智能体评测」共找到 3914 篇相关文章
浏览器里的 AI 革命：前端工程师的新战场
AI 进入浏览器和前端，JavaScript 扮演新角色。浏览器端 AI 崛起，能在本地提供智能服务。AI 可增强 JS 应用，有多种工具支持，但也面临性能、模型尺寸等挑战，未来前景广阔。
VQA高分是在看图，还是在记答案？ReKey只更新决定答案的那一小块
视觉问答模型准确率提升，但高分可能源于记忆。浙江大学等团队提出 ReKey，保留真实场景，只更新决定答案的视觉线索，使评测面向未见过内容，且多数环节可自动完成。
没等VC下场，机器人厂商先投了一家具身数据基础设施公司
2026年以来具身智能热度高，智域基石切入数据基础设施赛道完成融资。其核心管理团队背景多元，设计了五段式数据处理管线，更看重To B场景，目标是成平台型基础设施。
Andrej Karpathy：一场里氏 9 级的大地震正在重塑整个编程行业
文章围绕AI在编程领域的应用展开，作者与大师交流AI Coding方式，后提及Andrej Karpathy观点，指出编程行业正被重构，程序员需掌握新抽象层，应对不稳定智能系统。
Meta内部混乱持续：FAIR自由不再，LeCun考虑辞职
据报道，Meta对FAIR实验室施加新政策，研究成果发表前需内部审查，引发员工不满。FAIR联合创始人LeCun或辞职，Meta新成立的超级智能实验室面临内部文化冲突、新旧团队矛盾等问题。
网络基础设施如何支撑大模型应用？北京大学刘古月课题组5大方向研究，相关论文入选ACM SIGCOMM 2025
在智能计算和网络演进背景下，北大刘古月课题组聚焦网络研究。其 5 篇论文入选 ACM SIGCOMM 2025，从架构、数据、运维、安全四个维度形成技术闭环，推动新一代网络系统发展。
小扎开价14亿让他换个地方打工，库克连挽留尝试都没有
苹果基础模型团队负责人庞若鸣跳槽Meta，原因是扎克伯格给出约14亿人民币薪酬包。Meta为挖顶级AI人才不惜重金，其超级智能实验室薪资远超正常水平，引发内部文化争议。
开源RAG又添新军！港大开源多模态RAG神器，多文档格式统一解析、知识图谱索引与混合检索！
在AI信息检索领域，传统RAG系统难处理复杂文档。港大数据智能实验室开源RAG - Anything，可提供端到端解决方案，能多格式解析、构建知识图谱和混合检索，优势显著。
多模态推理新基准！最强Gemini 2.5 Pro仅得60分，复旦港中文上海AILab等出品
现有多模态大模型benchmark对逻辑推理理解不足，复旦大学等单位提出MME - Reasoning评估其推理能力。对30 + 模型评测，最优得分仅60%左右，反映出模型多方面推理短板。
桌面 Agent 的下一步：不是会操作，而是会调度工具
复旦大学和通义实验室提出 ToolCUA，让模型在 GUI 与工具调用间编排路径。它从已有 GUI 轨迹合成训练数据，设计奖励机制，在 OSWorld - MCP 评测中效率与准确率大幅提升，为 CUA 发展提供方向。