「Agent Benchmark」共找到 2842 篇相关文章
为什么 Coze 把他们最核心的框架都开源出来了？
Coze开源了Coze Studio和Coze Loop项目，前者工作流完整，有工作流引擎和插件框架；后者可调试、优化Prompt。采用Apache 2.0许可，适合个人和企业，还介绍了参与开源项目的方法及开源原因。
浙大 95 后团队，发布全球首个旅行 WebAgent
浙大95后团队发布全球首个旅行WebAgent产品「iMeanAI Coyage」，它自称“全球首个真正意义上的AI旅行伙伴”，能打破旅行行业格局，为用户提供一站式服务，解决旅行规划痛点。
Booking.com 的向量数据库选型：100M 数据、三种负载、一个决定
本文分享Booking.com在1亿条embedding数据规模下，原有OpenSearch向量方案遇到性能、成本、运维瓶颈后，自行设计贴合生产的压测对比不同方案，最终完成选型迁移的全过程，总结了实用经验。
单轮23亿，累计43亿，无问芯穹刷新国产AI Infra赛道融资双重纪录
AI原生基础设施服务商无问芯穹完成23亿元C轮融资，累计融资达43亿元，创下国产AI原生基础设施赛道单轮、累计融资双纪录。公司定位模型与芯片中间层，整合异构算力降本提效，已递交港交所IPO申请。
刚写完V4.1主算子就要“转业”？DeepSeek资深算子工程师深夜独白
本文整理了DeepSeek资深MLSys工程师刘胜与的公开长文，刘胜与刚交付DeepSeek V4.1核心算子，就预判AI将很快超越人类算子开发能力，分享职业转型思考与行业警示，引发技术圈热议。
把PLC仿真搬进浏览器，小参数模型也能实现高工程通过率
上海交通大学联合Sema研究团队推出SemaPLC，将AI Agent与PLC工程工具链连接，让自然语言需求转化为可编译、验证、仿真的控制程序。它是面向全流程的智能工作台，实验效果优于业界方案。
AI能否独立开展科研？ASI-Bench为科学自主性建立评测标尺
ASI-Bench是衡量AI系统科学自主性的基准测试，由多机构联合开发。它能测试AI通用智能、创新性和执行力，通过信息梯度设计，让模型在不同指导量下完成科研任务，结果显示当前AI离自主科研有明显距离。
北大联合阶跃星辰提出TensorCast：统一可编程管理大模型张量，推理「首字延迟」最高降低93.2%
随着模型规模增长、新应用兴起，大模型基础设施面临管理「张量状态」挑战。北大、阶跃星辰与北邮联合提出 TensorCast，解耦张量状态，复用管理能力，在多场景测试中表现出色，为大模型基建提供新范式。
2026「中国 AGI 创新影响力机构 TOP 30」发布
过去一年 AI 行业变化溢出模型层，Coding Agent 铺开，视频生成实现商业变现，具身智能供应链成型。Founder Park 从四维度选出「中国 AGI 创新影响力机构 TOP 30」，涵盖多领域团队。
冷门新语言AI写不动？IEEE论文：从零到及格线，MoonBit给出完整训练路线
IEEE论文聚焦新语言MoonBit和Gleam，探讨大模型代码生成能力。研究发现大模型零样本生成新语言代码能力差，few - shot和RAG有提升但有限，继续预训练及指令迁移可显著提高模型表现。