「评测系统」共找到 2315 篇相关文章
挺意外的，Agent长期记忆潜力被AMemGym挖出来了
论文提出交互式在线策略评测框架AMemGym，它能反映AI助手长期记忆能力、驱动Agent自我进化记忆。它以结构化状态演化为骨架支撑自由对话评测，还对主流记忆系统做了扫描，带来评估与训练范式转换。
Claude自主发现类CRISPR新酶系统，但还不知道它能干什么，张锋点评：值得研究
本文报道Anthropic旗下Claude大模型独立完成搜索分析，从噬菌体DNA中发现此前未被发现的类CRISPR新酶系统ART，展示了大模型在生命科学新发现中的独特能力，目前ART功能尚未明确，张锋点评其值得进一步研究。
AI × 老旧系统：Vibe Coding 构建 AI 迁移工具，实现 10x 端到端智能迁移
文章指出老旧系统现代化复杂且需大量人工，AI 编程工具和 Vibe Coding 带来新可能。介绍 6R 策略、绞杀模式等迁移方法，还阐述 AI 在系统分析评估、代码转换等方面的应用，最终目标是打造闭环 AI 迁移 Agent。
NUS、牛津等联合发布音视频智能综述：系统梳理大模型时代的AVI全景图
NUS领衔近10家机构发布音视频智能综述，系统梳理大模型时代AVI发展全貌，涵盖感知、生成与交互，复盘子方向工作，构建任务蓝图，整理评测体系，总结基础技术，还探讨应用、安全及未来研究方向。
为什么说多模态是推荐系统破局的关键？来自饿了么一线的实战复盘
文章围绕多模态推荐展开，从传统推荐算法演进到多模态表征技术，结合饿了么场景实践，还探索生成式推荐。介绍多模态推荐挑战与代表性工作，梳理表征技术发展，详述饿了么系统设计与训练，分析生成式推荐方案及业界路线。
YC CEO把自己第二大脑系统开源了：专供OpenClaw与Hermes，全息记忆打造迷你AGI
YC总裁Garry Tan开源第二大脑系统GBrain，可让AI agent拥有持续成长的知识库。它将各类信息汇入可检索知识库，每轮对话让agent更聪明，适用于OpenClaw和Hermes Agent，有多种使用路径。
MoE不够看了，腾讯推出MoT：2B具身模型22项评测16项最佳
腾讯混元团队联合Robotics X实验室推出HY - Embodied - 0.5系列基础模型，含MoT - 2B和MoE - 32B两款主力模型。在22项评测中，MoT - 2B获16项最佳，其架构、数据和训练有创新，能应用于机器人控制。
Claude Design开源版本来了!支持超过 71 套最顶级的品牌设计系统，可以直接复刻，构建属于你的顶级网页!
Anthropic的Claude Design闭源，Open Design是其开源替代品。它支持超71套顶级品牌设计系统，可直接复刻构建网页，还支持多种coding agent，有完整提问机制，确保产出符合需求。
我用GLM-5肝出一个Rust版Agent系统，Opus 4.6迎来了最强开源对手。
作者实测智谱发布的GLM - 5后，用其开发出Rust版Agent系统并开源。还对比GLM - 5与Kimi 2.5、Opus 4.6，认为GLM - 5写后端能力强，让普通开发者也能用高级架构能力。
基于 Qwen3.8-Max 构建 AI 合同精审系统：文档解析、多轮条款分析 Pipeline 工程实战
本文分享基于Qwen3.8-Max大模型+Python Flask搭建AI合同精审系统的完整工程实战，包含环境配置、项目架构、核心模块开发，记录开发踩坑经验，附AI与人工审查的实测对比数据，适合中小企业合同初审使用。