「Agent评测」共找到 3191 篇相关文章
世界500强都在用，GitHub 10.3K标星的国产AI应用开发平台！
BISHENG是来自中国团队、获10.3K+ Star的开源LLM DevOps平台，被大量头部企业采用。它有通用Agent、AI工作流等功能，解决复杂业务逻辑编排等痛点，且开源代码与业务案例。
普通人也能用得上的 Context Engineering 技巧
现在讨论Context Engineering大多关注高级AI Agent，对普通用户实用性不强。本文总结普通人用AI时的上下文工程技巧，如用更少、更准确的上下文控制输出，从精简和准确两方面展开阐述。
大模型转行土木工程！首个「打灰人」评估基准：检验读、改工程图纸能力
首个工程自动化任务评估基准DrafterBench，可测试大模型在土木工程图纸修改任务中的表现。它模拟真实工程命令，考察模型四方面能力。评测发现主流大模型有一定能力，但未达工程一线要求。
Arch Gateway: AI Gateway的前瞻选择
AI Agent开发易陷入复杂维护困境，借鉴云原生思路，一些云原生产品朝着AI gateway进化。介绍开源项目Arch Gateway，它是AI原生gateway，具备智能路由、工具调用等能力，能让开发者专注核心业务逻辑。
ACL2025 | 代码助手火了，但安全吗？所有模型评估结果都很扎心
近期，GitHub Copilot、ChatGPT等AI代码生成工具爆火，效率显著提升，但代码安全性存疑。北大团队用CoV-Eval评测20款主流大模型，结果不佳，论文还给出优化方向，呼吁代码上线前严格测试。
手撕Sora，脚踢Veo！13个行业实战案例，Seedance 2.0玩法大全
本文是藏师傅对 Seedance 2.0 的测评和教学，介绍其 API 春节后将上线火山引擎，支持全模态输入。通过 13 个行业实战案例展示该模型能力，如生成广告、宣传片、教学视频等，还提及 Agent 自动化应用。
WAIC抢先爆料：金融“黑马”大模型超DeepSeek刷新SOTA，论文已上线
WAIC期间，蚂蚁数科金融推理大模型发布会未开，论文已上线。其新模型Agentar - Fin - R1有8B和32B版，在金融测评集超DeepSeek等，还兼顾专业与通用，蚂蚁数科还提出评测基准Finova。
越靠经验思考的岗位，越先被取代！OpenHex董舒：AI数字员工正在催生OPC一人公司
OpenHex董舒认为AI最大价值是替人出面干活，提出数字员工概念。他指出判断力密度高的岗位易被AI取代，中国服务业有发展机会。还辨析数字员工类型，介绍其平台OPS Agent，最后分享了数字员工相关Q&A。
刚刚，Opus 5来了：性能不输 Fable 5、价格砍半
Anthropic 发布新一代模型 Claude Opus 5，其智能接近 Claude Fable 5 但价格减半。它在编程、知识工作等评测中表现出色，科研能力进步大，自主性与严谨性更强，安全对齐度高，防护兼顾安全与可用。
The Batch: 922 | 面向智能体的管理系统
OpenAI 发布 Frontier 平台，用于编排和管理企业级 AI 智能体团队。它支持智能体构建、信息共享等，Cisco 等已试点，未来将更广泛开放。与 Microsoft 的 Agent 365 有不同侧重，企业对智能体集中管理需求渐显。