「评测环境」共找到 1070 篇相关文章
Agentic 软件工程：造 Agent 只是最简单的部分
Agno 创始人 Ashpreet Bedi 认为造 Agent 简单，让其在生产环境稳定运行才是挑战。他提出 Agentic 软件六大支柱，给出 AgentOS Docker 模板代码实践，指出多数 Agent 产品卡壳是基础设施跟不上。
开源一周狂揽 35K 标星！Karpathy 开源 autoresearch：630 行代码让 AI 自动“炼丹”！
前OpenAI、特斯拉前AI总监Andrej Karpathy发布新项目autoresearch，一周揽35.6k Star。它是极简版LLM训练环境，630行代码让AI自动做研究，人类通过Prompt指导，AI自行实验。
NeurIPS 25开新坑：145万个图文对，覆盖八种主流水下理解任务
华中科技大学团队推出首个水下多模态大模型NAUTILUS，支持8种水下场景理解任务，还开源145万图文对的NautData数据集。模型通过VFE模块解决水下图像问题，性能超越现有模型，恶劣环境表现更佳。
比Sora更疯狂！英伟达AI让机器人「做梦」修炼，无师自通直接上岗
英伟达新研究项目DreamGen用视频生成模型让机器人在神经网络生成的「梦境世界」自主探索学习。它能让机器人掌握新动作、泛化到新环境，合成数据暴涨333倍，还引入DreamGen Bench用于视频生成基准。
你的 Harness 工作流真的在进步吗？我们用一场考试撕掉了遮羞布
文章指出Harness工作流常靠‘主观vibes’驱动，缺乏有效评价体系。为此推出Harness Eval评测系统，包含出题、答题、改卷等环节，形成闭环，帮助工作流持续改进，还能提升整体通过率。
智元机器人发布并开源首个机器人动作序列驱动的世界模型
近日，智元机器人发布并开源全球首个基于机器人动作序列驱动的具身世界模型 EVAC 及具身世界模型评测基准 EWMBench，构建全新开发范式，打破具身智能演进制约。
AI下半场的战场，从Agent记忆体正式打响
OpenClaw开源项目爆火，标志AI进入下半场走向真实应用。关键在于解决AI在现实中持续干活的问题，核心是Agent Memory。论文梳理该赛道，指出其是系统级记忆体结构框架，未来关键在memory策略可学习。
打造图像编辑领域的ImageNet？苹果用Nano Banana开源了一个超大数据集
苹果研究团队提出Pico - Banana - 400K数据集，基于Nano - Banana在OpenImages实拍照片生成编辑对。其系统化设计保证质量与多样性，还构建自我编辑评估流程，为图像编辑模型训练评测奠定基础。
业内首推“共享存储”，OceanBase何以办到？
5月17日，OceanBase在开发者大会推出“共享存储”产品，实现对象存储与事务型数据库深度集成，降低存储成本、提升弹性。它解决了传统架构瓶颈，靠多项技术创新落地OLTP生产环境，适用于多业务场景。
openJiuwen社区开源新招：重磅发布JiuwenSwarm，拉开群体智能“养蜂”序幕
openJiuwen社区开源蜂群智能体JiuwenSwarm，落地Coordination Engineering范式。它有全栈技术体系，支持人以HOTS和HITS模式参与协同，实战效果佳，且在评测中表现亮眼，全套能力开源。