「基准构建」共找到 2650 篇相关文章
开源Agent新标杆：通义WebSailor多榜夺魁，挑战OpenAI高难度Agent基准BrowseComp
信息爆炸时代，传统搜索引擎难满足需求，开源Web Agent在极端复杂任务表现不佳。阿里巴巴通义实验室推出WebSailor，通过创新数据构造和训练方法，在BrowseComp等挑战上取得突破，缩小与顶级封闭系统差距。
你的「龙虾」真记得你吗？剑桥发布长期个性化记忆基准ATM-Bench
剑桥大学团队开源面向AI个人助理的长期记忆基准测试ATM - Bench，评估AI面对真实生活数据时能否「记住你」。实验结果不佳，专用和通用智能体系统准确率低，凸显长期个性化记忆问答难题。
全球首个历史基准！普林复旦打造AI历史助手，AI破圈人文学科
普林斯顿大学AI实验室与复旦大学历史学系联手推出全球首个历史领域评测基准HistBench及AI助手HistAgent。HistBench含414道题，能检验AI深度认知能力；HistAgent集成多种工具，在测试中表现优异。
当设计师和PM都开始写代码，产品构建方式又要变天了？
Notion 产品负责人 Max Schoening 与主持人探讨 AI 对软件构建和使用方式的影响。他认为成功产品有强大核心，鼓励设计师和 PM 用代码思考，还谈到岗位融合、可塑性软件、SaaS 趋势等话题。
高潮从第几秒开始？GaMMA 让多模态大模型真正「听懂」音乐时间线
现有多模态大模型难以理解音乐时间线。复旦大学与字节跳动团队提出 GaMMA，采用双编码器融合网络，经三阶段训练，还推出 MusicBench 评测基准。实验显示，GaMMA 在多基准上表现优异，刷新 SOTA。
NLWeb: 让每个网站都装上一个智能的“对话引擎”
微软近日开源NLWeb项目，致力于简化网站构建对话式交互界面的过程。它利用现有网络生态，定义协议让用户或AI代理与网站交互，具有降低门槛、开放社区驱动等优势，目标是构建“AI Web”。
Langchain回应OpenAI：为什么我们不做拖拉拽工作流
OpenAI发布可视化工作流构建器AgentKit，LangChain创始人Harrison Chase写文解释为何不做。他指出工作流与智能体不同，可视化工作流构建器有门槛高、难管理等问题，还给出不同复杂度问题的解决方案。
搜狐架构演进技术实践：我们如何用 MCP Registry 根治 AI Agent 的“千具之灾”
本文讲述搜狐团队在构建企业级 AI Agent 时遭遇‘千具之灾’，当前路由模型方案引发‘治理噩梦’。后通过研究 MCP Registry 获新思路，设计新架构，构建 PoC 原型，并对混合路由等问题展开思考。
FUTURUS未来黑科技徐俊峰：侧翼突围，构建AR全栈解决方案｜甲子光年
2026崇礼论坛上，FUTURUS未来黑科技徐俊峰指出AI产业面临瓶颈，创业者应‘侧翼突围’。他认为以汽车挡风玻璃为介质的AR技术是数据闭环关键切口，还描绘了AR全栈解决方案赋能车厂的商业蓝图。
教你构建私有 AI Coding 平台：Pi、DSH、Codex Harness 扩展能力对比与选型。
文章聚焦构建私有AI Coding平台，对比Pi、DeepSeek Harness、Codex Harness的架构、扩展能力及选型策略。介绍三者交互集成方式，分析其扩展特点，并为不同需求团队给出选择建议。