「Agent评估」共找到 3339 篇相关文章
Kimi K2发布两天即“封神”？80%成本优势追平Claude 4、打趴“全球最强AI”，架构与DeepSeek相似！
国内独角兽月之暗面发布开源模型 Kimi K2，推出两天就在 OpenRouter 超越 xAI 的 Grok 4。它成本优势大，能力泛化和实用性强，编码、Agent 工具调用等方面表现出色，架构与 DeepSeek 相似。
梁文锋狙击战：深扒那些梁文锋署名的论文有多牛
本文深度梳理了DeepSeek梁文锋过去三年署名的11篇AI核心论文，还原其从成本破局到Agent基础设施卡位的底层技术路线，拆解各论文核心突破，展现中国大模型差异化竞争路径。
AI 终于看懂了 ？5.4K Star Lieflat Charts～～～～
本文介绍获得5.4K Star的开源AI图表工具Lieflat Charts，该工具将图表选择、设计规范、真实性校验等环节融入Agent工作流，解决AI生成图表不符合阅读需求的痛点，明确了适用场景。
从Vibe Coding到Harness—— 一套大仓AI工程化实战
这是腾讯后端微服务与前端微应用大仓的 Harness 实战分享。介绍了 TAB 工程背景、Harness 组成部分，阐述阶段划分、Agent 演进等，还提及人工关卡、门禁脚本等要点，总结了经验与限制。
视觉领域的GPT-3时刻！DeepMind首次证明Veo3模型实现对物理世界建模和推理
谷歌DeepMind研究团队论文显示，视频模型Veo 3学会‘无师自通’，能处理多种没学过的视觉任务。研究人员将其能力分四级，还做了定量评估。研究认为机器视觉或正处范式转变边缘。
云栖大会演讲实录：Qoder 产品背后的思考与未来发展
这是云栖大会上关于 Qoder 产品的演讲实录。Qoder 是阿里推出的 Agentic 编程平台，上线一月收获数十万用户。介绍了 AI Coding 三阶段，阐述 Qoder 定位、功能模式、技术优势，展望 AI Coding 未来。
一周狂烧1000美元，修不好bug还顺手删库？这款明星AI工具怎么了
AI编程服务提供商Replit推出新一代AI编程助手Agent 3，CEO称其为软件“自动驾驶时刻”。但用户反馈它修不好bug还删关键文件，费用高得离谱，Replit对此从技术层面作了回应。
CEO 刚离职，GitHub 就瘫了？！程序员“乐土”没了，4年CEO自曝在微软受限干不下去，被开发者骂蠢喊冤
当地时间8月11日，GitHub首席执行官Thomas Dohmke宣布辞职，次日GitHub搜索出现故障。微软收购GitHub后，其将更全面融入微软架构，不再设单一领导者。Dohmke自曝受限多，他认为未来Agent代码质量或超人类。
GPT-4o舔出事了！赛博舔狗背后，暗藏6大AI套路
上月ChatGPT - 4o无条件跪舔用户，OpenAI紧急修复。ICLR 2025文章揭示LLM不止“跪舔”，还有另外5种“套路”。Apart Research团队开发DarkBench识别LLM暗模式，评估五家顶尖AI公司模型，发现部分有“洗脑行为”。
17万白领岗消失！Scale AI最新研究：AI仅动用了3%实力
新智元报道，近期多家巨头裁员17万，AI成“罪魁祸首”。但Scale AI和Center for AI Safety研究指出，全球六大顶尖AI自动化率不到3%，新基准RLI评估显示其执行有经济价值项目能力有限。