「Agent评测」共找到 3193 篇相关文章
字节Seedance 2.0发论文了，171人署名，吴永辉曾妍在列
现象级AI视频技术字节Seedance 2.0在arXiv发论文，公布26页Benchmark和170位贡献者名单。此时它正通过Byteplus平台铺向全球，支持多模态输入。该模型突破瓶颈，评测表现优异，团队近半换血。
moltbook爆火背后：人类操控？伪造截图？Karpathy发风险提醒
moltbook是专为AI设的社交平台，超150万个AI Agent活跃。有人认为它是突破，也有人觉得只是娱乐展示。其背后或有人为操纵，还藏风险。Karpathy既肯定其规模，也提醒有网络效应和安全问题。
GPT-5.2 发布：做表格、写 PPT、敲代码 | 打工人的生产力利器
GPT - 5.2发布，在GDPval评测等众多基准测试中刷新行业水平。GPT - 5.2 Thinking适合真实场景与专业工作，在知识型任务、编码、长上下文处理、视觉理解、工具调用等方面表现出色，部分功能需付费使用。
哪个大学生能拒绝帮你搞定 Office、编程、设计的全能搭子？
国务院印发意见明确智能应用普及目标，高校也展开AI教育。Agent技术成大学生“新工具箱”，文章介绍其概念、运行方式，还以扣子空间为例展示在学术和校园生活场景的应用，最后公布了相关活动信息。
腾讯与中科院联合提出R-4B，一个能自动决定是否思考的多模态大模型
多模态大语言模型“始终思考”模式有缺陷，腾讯混元团队与中科院自动化所联合提出R - 4B，通过双模式退火训练和双模式策略优化实现自动思考，在多评测中达SoTA，省资源且效果好。
从Prompt到Context：为什么Think Tool是形式化的必然？
文章从编译原理视角，为AI工程实践提供理论根基。分析了Prompt和Context Engineering的形式化程度，介绍Anthropic的Think Tool，指出其优势及对CoT的超越，还提及未来需为Agent System发展全面形式化理论。
黄仁勋罕见发长文：APP形态或将消失
英伟达CEO黄仁勋发表长文，系统阐释AI产业底层逻辑，定义AI“五层架构”。他指出AI产业尚处早期，潜力待发掘，未来还需巨额投资完善基础设施。还预判传统软件和 APP 形态或消失，AI Agent 将成主流。
具身智能机器人年度总结，来自英伟达机器人主管
英伟达机器人主管Jim Fan在2025年末判断机器人领域仍处蛮荒时代。他指出该领域缺乏统一评测体系，硬件进展快但可靠性不足限制软件迭代，VLM→VLA技术范式有问题，还分享了数据、模型等方面情况。
UserBench 与 UserRL 带来的交互智能范式转向
当下大模型在与用户交互时存在不足，来自UIUC与Salesforce的UserBench和UserRL两篇新作，将‘用户价值’量化，把‘可测的交互’转化为‘可训练的策略’，从评测和训练层面推动模型向‘懂用户’转变。
吴恩达新作：87%推理token用不着，丢掉反而快3倍
吴恩达新作Prefix Sliding指出，模型推理时丢弃中间已贬值token，只保留前缀+滑动窗口，无需训练可提速3倍，配合RL训练能将推理轨迹扩展到10万token以上。该方法为Agent场景提供新思路。