「Agent评估」共找到 3340 篇相关文章
Manus跑路了吗？
4个月前爆火的AI Agent产品Manus，被曝裁掉国内七成团队，总部迁至新加坡。官方称是基于经营效率考量调整业务。Manus自3月上线后动作不断，其核心力量大迁徙或因海外生态更成熟、国内付费习惯弱。
工具增强的多模态LLM综述
多模态大语言模型（如GPT - 4V）虽有强大图文理解能力，但受数据稀缺、复杂任务表现不佳和评估标准不统一限制。论文提出为MLLM集成外部工具，构建全景图，覆盖多维度，还指出挑战与对策。
英伟达老黄收购了一家AI编程公司
英伟达刚收购AI coding初创公司Solver，该公司成立三年，专注编程AI Agent。此前英伟达收购不少降芯片成本或提供AI支持的公司，此次收购契合其构建软件生态层战略，或使AI智能体逼近软件开发核心。
AI里最大的Bug，却也是人类文明最伟大的起点。
OpenAI论文指出AI产生幻觉是因其训练方式奖励瞎蒙行为。以考试为例，AI在信息不足时猜测是最优策略。还从统计学解释根源，指出解决幻觉需改变评估指标，也引发对人类想象力起源的思考。
金融智能体真的是大模型落地“最后一公里”？
InfoQ《极客有约》X AICon 直播栏目邀请业内人士探讨金融 AI 大模型实践现状。指出大小模型融合是主要方案，智能体有应用但也有问题。还分享了评估 AI 项目的要点、智能体应用案例及未来布局方向。
OpenAI 硬件负责人的闭门分享：硬件的「终点」依旧是智能手机
OpenAI 硬件负责人 Richard Ho 认为真正的限制是整个系统，继续依赖 NVIDIA 硬件路径，无法把模型推到下一个量级，因此 OpenAI 要重新拿回 AI 运行的底层控制权。他指出手机不是为 agent 设计的，未来是云边结合，现有手机系统难满足 AI 时代需求。
Claude Fable 5.1 发布：缓存读降价 75%，但实际更贵了
Anthropic 发布 Claude Fable 5.1 和 Mythos 5.1。Fable 5.1 性能全面上涨，但出现价格悖论，缓存读降价 75% 实际更贵。在 Agent 类任务与 Opus 5 基本持平，推出 EFS 应对数据留存争议，还有多项科研演示。
烧钱，能解决 AI 存储的焦虑吗？
存储短缺焦虑或延续至 2026 年，传统云存储因 AI 落地面临性能、成本等压力。InfoQ 联合腾讯云邀行业人士探讨成因、策略与竞争主线，还给出存储价值评估与规划方法，介绍文远知行和腾讯云实践。
深度讨论 Online Learning ：99 条思考读懂 LLM 下一个核心范式｜Best Ideas
文章围绕Online Learning展开深度讨论，指出其或为LLM下一个核心范式。探讨了它是通往更高层次智能的关键路径，分析概念定义、非共识，还阐述做好它的方法，以及架构、算力和评估范式等问题。
死磕即梦48小时，我发现了AI公众号封面的懒人密码
作者与即梦Agent死磕48小时，分享AI公众号封面制作经验。介绍垫图法、两个提示词模板，测试提示词反推、语义理解等功能，指出不足，认为即梦像AI作图界拼多多，瑕不掩瑜。