「Agent评估」共找到 3340 篇相关文章
All in AI 两年，AI 代码采纳率突破 50%！安克创新龚银：AI 平台一旦过时，我们会毫不犹豫重构
安克创新2023年决定All in AI，探索适配内部运营与新的产品形态。这两年有项目放弃也有成果，如代码采纳率突破50%。其评估AI落地可行性关注业务、技术、团队成熟度，还采取差异化管理应对创新的ROI问题。
罗福莉剧透小米MiMo v3架构：模型还没影，论文全说了
小米罗福莉提前剧透MiMo v3核心新架构HySparse2，该架构针对Agent多轮任务中长上下文输入处理成本高的痛点优化，相关论文已公开，模型尚未正式发布，文中披露了架构设计与实验效果数据。
AI 能力越来越强，那么它生成的代码，人类还需要去理解吗？
《代码整洁之道》作者罗伯特·C·马丁不逐行看 Agent 代码，设好测试框架通过就行。Notion 工程师 Geoffrey Litt 在会议探讨人类是否需理解代码，多数人认为需要，Litt 分享理解代码方法。
Claude Code与Codex六大组件拆解
文章指出如今如GPT - 5.6等模型的裸能力相近，但装进Claude Code 或 Codex CLI 后表现差距大，原因在于Agent Harness。它将编码智能体拆解为六个核心组件，详细阐述各组件作用与意义。
一年磨一剑，今年最炸机器人Demo来了！1亿美元种子轮团队出手，单个模型解锁单手打蛋解魔方弹钢琴
Genesis AI发布机器人基础模型GENE - 26.5，让机器人可自主完成烹饪、实验室操作等复杂任务。该团队全栈自研，从硬件、数据、模型到训练评估都有独特方案，曾获1.05亿美元种子轮。
Resolve AI：为什么 AI SRE 领域有望诞生下一代 Datadog
文章分析了 AI SRE 领域发展现状，指出运维侧 AI 变革慢于开发侧。介绍了 Resolve AI 产品，包括多 Agent 机制、应用场景等，还提及融资、客户情况，对比了与 Traversal 差异，探讨了 AI SRE 未来趋势。
全行业的「龙虾热」中，什么是AI Infra下半场的「神之一手」？
OpenClaw爆火，标志AI进入「自主执行时代」，但面临安全、资源利用和并发规模等挑战。腾讯云Agent Runtime为企业级AI智能体打造专业支持，解决状态管理和行为治理难题，还助力MiniMax突破性能瓶颈。
APP 是功能的软件化，Skill 是经验的软件化
文章指出移动互联网时代人类把需求装进 APP，Agent 时代则把经验装进 Skill。当前多数人未充分使用 AI，微信接入 Openclaw推动大众拥抱 AI。Skill 是新旧世界耦合点，还具备进化能力，可形成复利。
32B逆袭GPT-5.2：首个端到端GPU编程智能体框架StitchCUDA问世
现有LLM自动化CUDA方法难处理端到端GPU程序，StitchCUDA提出多智能体框架+基于Rubric Reward的Agentic RL方案，分解任务、优化训练，在实验中成功率和加速比远超其他方法，解决Reward Hacking问题。
清华孙茂松团队 × 深言科技：以解释作为训练信号，让 8B 模型在幻觉检测上反超闭源大模型
大语言模型幻觉问题待解，成本与算力需求攀升。清华孙茂松团队联合深言科技提出FaithLens模型，把幻觉检测提升为整体评估，以解释作为训练信号，8B模型在多任务上超闭源大模型。