搜索：Agent Benchmark - AI Reading Hub

「Agent Benchmark」共找到 2842 篇相关文章

金山、Zilliz、腾讯、灵犀量子专家齐聚，揭秘 AI 记忆、RAG 演进与自我进化的工程实践 | AICon

2025 年构建复杂 AI 系统面临记忆缺失、检索瓶颈、认知固化等系统工程挑战，Context Engineering 是关键。AICon 北京站邀金山、Zilliz、腾讯、灵犀量子专家，分享上下文工程技术实践。

Anthropic两位研究员在博客采访中透露Claude 4思考细节。提到可验证奖励强化学习RLVR在编程和数学领域获证明，探讨了RL扩展、模型自我意识等，还为大学生给出AI领域建议。

本文报道Anthropic推出Claude Mods，开放Claude Code可编程扩展接口，支持开发者通过插件修改其行为与界面，甚至可让Claude自动生成Mod，引发社区测试与行业关注。

微软研究提出 SkillOpt 方法，把 Skill 文档当「权重」训练，在 52 个测试组合中全部最优或并列最优，平均提升 23.5 分，碾压人类手写。该方法跨模型、环境有效，已开源，使用方便。

DeepSeek-V4发布，是开源社区关键分水岭。它解决超长文本处理效率痛点，架构与优化有多项突破，降低算力消耗和成本，适配国产芯片，性能比肩顶级闭源模型，推动开源社区两大未来趋势。

OpenClaw火了，2个月GitHub星标超Linux，个人用户玩得欢，但企业不敢用。MemTensor团队的ClawForce来填坑，它能自动配置，复刻打法，有管控审计，助力OpenClaw走向企业化。

开发者运行OpenClaw成本高，Sipeed推出超轻量开源项目PicoClaw。它内存占用小于10MB，成本只需10美元硬件，启动快、可移植，功能全，还介绍了入手方式和技术路线。

作者本想退订Claude，因Anthropic发布Claude Skills改变主意。它是‘能力包’，含SOP、工具和资源，分层加载省上下文窗口。预设Skills可体验，官方开源，模块化设计利于挂载和按需加载，或形成Skills Market。

本文介绍蚂蚁集团AntV可视化团队开源的Infographic项目，这是专为AI生成优化的声明式信息图可视化引擎，支持AI边生成内容边渲染出图，内置200+模板，解决作图排版痛点，已形成开源生态。

过去一年AI进入RSI时代，但评测方式仍停留在过去。MirroS联合多方发布HarnessEval，将Harness引入评测领域，使评测成为具备自我进化能力的智能系统，还率先应用于交互式世界模型评测。