「Agent评估」共找到 3340 篇相关文章
我们就这样在一起搞了两年
作者2024年离开特赛发后创业，用积蓄和炒股所得作为本钱。项目避开大语言模型和视频生成，选教育领域做考研调剂志愿填报，用agent完成工作。产品销售不错，作者虽有心理波动但坚持，未来想尝试新领域。
Meta“Token榜”逼疯打工人，一夜烧掉公司几万刀！AI时代Token焦虑越来越离谱
据报道，Meta 公司内网出现 AI token 消费排行榜，追踪超 8.5 万员工 token 使用情况，过去 30 天消耗超 60 万亿 token。这反映“Token 最大化”文化，引发 token 消耗是否等同于生产力的争议。当前 Agent 系统高 token 消耗是补偿机制，应提升使用效率。
一夜之间，AI终获「永久记忆」！最难考试99%刷爆SOTA，全网直呼疯狂
新智元报道，Supermemory团队推出超级记忆系统ASMR，在AI记忆界最难考试LongMemEval中刷到99%准确率。它抛弃传统模式，采用多Agent并行推理，4月初将开源代码。此外，其背后的Supermemory引擎功能强大，能让AI真正拥有记忆。
我用豆包工作做了个学术视频解读生产线
作者尹John分享实操经验，利用豆包工作的云端Agent能力，搭建了从热门论文自动生成学术解读视频的完整自动化生产线，仅需用户少量手机操作即可产出成品，还实现了每日自动选题的定时任务。
别再设计 Prompt，顶尖工程师已经开始写 Loop 了！
2026年6月，“Loop Engineering（循环工程）”一词热门起来。其核心主张是不用再亲自给AI写提示词，而是设计驱动Agent的循环。Anthropic的工程师还写成了完整手册，介绍搭建方法、关键及最佳实践等。
Fable 5解禁即翻车！写一行代码就降智，开发者破防
消失19天的Fable 5解禁即翻车，因过度审查和双标机制，让开发者破防。但抛开护栏，它执行复杂任务能力强。A社同期发布的Sonnet 5也遭群嘲，此外，A社还提出评估框架并向政府让步。
AI编程真面目：完整项目通过率仅27% | 上交大新基准
多校联合团队发布ProjDevBench，评估AI编程智能体端到端项目开发能力。结果显示，六种主流智能体总体提交AC率仅27.38%，从零构建任务中性能大幅下滑，还揭示了智能体多方面短板。
GitHub深夜引爆，最强Claude + Codex合体！全球1.8亿码农一夜解放
微软GitHub宣布重磅更新，正式集成Claude和Codex，与Copilot合体，开发者可通过Agent HQ调用它们完成复杂任务。这标志着GitHub从代码托管平台进化为多智能体协同的「AI战场」，降低了开发摩擦感。
Vibe Coding成AI主战场：22个明星玩家值得关注
AI产品下半场，氛围编程成赛道焦点。国外大厂推新，国内大厂双轮发力。量子位2025Q3 AI 100榜单显示，开发层产品多增强Agent功能，介绍了旗舰100和创新100中的明星产品。
中山大学&华为联合提出 Issue Resolution 数据集构建神器SWE-Factory：每条只要$0.024
中山大学和华为联合提出低成本开源方案 SWE-Factory，可自动收集代码打造高质量代码评估数据集。它能解决传统构建流程繁琐、依赖人工的问题，实现全流程自动化，还构建了 SweSetupBench 数据集，表现出色。