「智能体安全评估」共找到 4645 篇相关文章
解放军总医院联合南大、吉大等机构，共同提出首个「脊柱诊疗大模型」SpineGPT
解放军总医院联合多机构研发首个脊柱诊疗大模型 SpineGPT。研究指出通用 LVLM 有‘认知鸿沟’，团队构建 SpineMed 生态系统，含 SpineMed - 450K 数据集与 SpineBench 评估基准，SpineGPT 表现超越开源模型。
为什么 LLM 搞不定复杂任务？ReAct 与 Reflexion 技术综述
文章指出大语言模型处理复杂任务存在事实幻觉、缺乏实时信息等问题。介绍ReAct将推理和行动结合，及Reflexion在其基础上添加评估反思机制，探讨两者结合优势，还提及未来发展方向。
扎克伯格急了！Meta内部文件曝光：宁用竞品，也要废掉祖传系统
Meta的「超级智能实验室」发起内部革命，加速AI开发。扎克伯格豪赌AI，投巨资重组团队、吸引人才。内部文件显示，Meta强制员工用AI，还让员工弃自研系统，用Vercel等平台。
Jina官方MCP三板斧：搜、读、筛
Jina官方发布MCP服务器，将核心能力封装成LLM工具集。介绍工具功能、连接使用方法，给出问题排查方案，通过案例展示搭建工作流效果，评估不同模型，指出Agent瓶颈及MCP开放生态价值。
吴恩达：自动化测试在 AI 编程时代将变得极其重要
吴恩达分享团队用AI编程助手的经历，如Agent删代码。他认为AI辅助编程时代，自动化测试愈发重要，智能体测试能发挥作用，还强调优先测试基础设施代码，后端测试更关键。
AI行业的底牌已经亮完了，模型能力趋同后，拼什么？
Databricks MVP Adi Polak分析AI人才需求，指出能搭建评估管道等的工程师是硬通货。前沿模型架构趋同，行业从技术竞赛转向生态战争，比拼产品和用户理解能力，还为转型工程师给出建议。
从Debugger到Developer : 低代码时代新基准NoCode-bench，SWE-Bench作者力荐
浙江大学牵头联合多机构推出全新评估基准NoCode - bench，直面自然语言驱动功能添加任务，发现当前最佳LLM成功率仅两成。它构建严谨，任务挑战大，指明AI软件开发改进方向，且已开源。
李飞飞曝创业招人标准！总结 AI 大牛学生经验，告诫博士们不要做堆算力项目
近日，“AI教母”李飞飞接受采访，指出当前AI繁荣有局限，其初创公司World Labs将攻克空间智能。她回顾ImageNet项目，讲述AI发展历程，还分享创业招人标准、给博士建议等内容。
狂涨 9.5K star！！又一款轻量好用的web自动化项目，太爽了！！
介绍开源项目Nanobrowser，它是基于Chrome扩展的AI网页自动化工具，通过多智能体协作系统理解自然语言指令完成复杂网页任务，开源免费、保障隐私，有诸多实用功能，已获9.5K star。
The Batch：834 | 更一致的人物与风格
德国 Black Forest Labs 的 FLUX.1 Kontext 系列文本生成图像模型，可可控编辑图像。有 max、pro 和 dev 版本，功能含角色一致性和图像编辑，在测试中表现优，公司计划公开专有评估基准。