「Skill²-Bench」共找到 506 篇相关文章
GPT-4V仅达Level-2？全球首个多模态通才段位排行榜发布，General-Level打造多模态通用AI评测新范式
General-Level团队提出全新评测框架General-Level和数据集General-Bench，构建超大规模评测基准和多模态通才模型排行榜。其用五级段位体系衡量模型通才能力，General-Bench覆盖多模态任务，排行榜分多层次榜单，目前各模型段位差异大，Level-5空缺。
出了两道真题考 GLM-5.2，Opus 4.8 和GPT 5.5 陪跑
作者对GLM - 5.2、Opus 4.8和GPT 5.5进行两项测试。一是审计Skill体系，GLM - 5.2覆盖skill数多、找出冲突多，还挖出bug；二是做世界杯夺冠推演器网站，Opus表现出色，GLM - 5.2省token，Codex有巧思但结构有缺陷。
Hermes推出Curator功能：自动清理Skill 仓库
Hermes推出Curator功能解决技能仓库膨胀问题。它每7天（可配置）自动运行，检查技能使用频率等数据，将30天未用技能标记为‘stale’，90天未用的移至归档目录，还能建议技能合并方案。
告别死记硬背！SkillRL自动提炼Skills持续进化
大型语言模型智能体常孤立运行，难从经验学习。SKILLRL受人类技能启发，提出有效经验迁移需抽象。它通过经验驱动的技能蒸馏、分层技能库和递归技能进化机制，在多实验中表现出色。
一篇19种自进化Agent Skill框架最新综述
这篇来自Rutgers大学和UNC Charlotte的survey，首次系统梳理Agent技能的进化与评估全貌，覆盖19种技能进化方法和10个评估基准。指出当前评估体系有诸多不足，如无法追踪技能多轮反馈后是否变好等。
ICLR 2026 Oral | 西湖大学发布Real PDE Bench
复杂物理系统时空演化预测是核心问题，当前AI模型多在数值仿真数据上训练，难以评估其在真实数据上的表现。西湖大学等实验室提出RealPDEBench，含真实与仿真数据，设三类任务、九个评估指标和十个基线方法。
Virustotal对OpenClaw恶意技能(Skills)的跟踪分析
增长最快的个人人工智能代理生态系统OpenClaw沦为恶意软件新传播渠道，VirusTotal检测到数百个OpenClaw技能存在恶意行为。其介绍了OpenClaw相关信息，还提及新增支持及案例，最后给出安全建议。
别只做skill了，都去做插件吧
Claude Code的插件系统上线，解决了配置难分享、版本化和审核的问题。它将已有能力标准化，介绍了插件与独立配置选择、上手步骤、可装内容、测试方法、提交市场及从独立配置迁移等内容，还提及其他软件推插件市场。
分享一个 Skill：如何找到值得做的创业 idea
作者分享找创业想法的方法，认为AI时代想法重要性回归。介绍通过AI获取各平台信号，还推荐Tabbit浏览器，其能创建复用妙招扫描机会，给出结构化清单，还可定时执行，有共享社区。
Moltbot实战：MoltBot+RDS AI助手Skill管理RDS实例
文章介绍Moltbot与阿里云RDS AI助手结合管理RDS实例。RDS AI助手能集数据库管理等为一体，Moltbot以轻量级框架霸榜GitHub。二者组合有自动化诊断和运维管理能力，还能定制运维知识库，文中给出对接步骤。