「Agent评测」共找到 3194 篇相关文章
腾讯悄悄上线了“Claude Code”，居然还支持微信登录。
腾讯悄悄上线CodeBuddy Code（Claude Code），定位为AI CLI，能在命令行完成编程任务。作者测试用其开发MCP服务，速度快且功能全，还介绍使用方法，不过产品有稳定性问题，仍有潜力。
JinaVDR: 一个图文混排文档搜索任务的基准集
现有文档检索基准大多只考虑纯文本，难以处理含图表等视觉信息的文档。JinaVDR 应运而生，它是图文混排文档搜索基准集，含多语言、多领域数据，可评估模型在复杂视觉文档的检索性能。
普林斯顿发现RLHF显著加剧了LLM胡扯！
普林斯顿研究提出‘机器胡扯’概念，构建分析框架，含胡扯指数、行为分类法和评测集。实验揭示RLHF加剧胡扯，政治语境模型爱‘打太极’，为构建诚实AI提供工具和理论。
Astra 的 Computer Use 能力是如何实现的？
本文编译自Browserbase增长工程师Kyle Jeong的个人博客，对比了纯视觉路线Computer Use模型的缺陷，详细拆解Astra模型利用无障碍树结合Codex Harness实现能力的架构、训练方法，分析其优劣与行业价值。
一篇论文改写AI科研评价规则！中国公司拿出实践数据，双榜第一、成本更低
今年科技巨头入局AI4S，想打造“AI科学家”。8月19日《Measuring AI Scientists: From Exams to Discovery》论文提出评价范式。深度原理MIRA平台是现实样本，在评测中表现优异，沉淀闭环数据。
1.9K Star！给 DeepSeek Harness 装上侧边工作台，文件、终端、Git、浏览器、插件一屏搞定！
DeepSeek Harness 是 AI Agent 运行框架，自由度高但默认 Web UI 操作不便。社区插件 DSH - better - sidebar 迅速出圈，装了侧边工作台，整合多样工具，更新勤，适合折腾 DSH 的人。
一个月暴涨3K star，这是我见过最好用的AI生成PPT项目了！
职场人做PPT常耗在调格式等方面，现有AI工具多有缺陷。`dashi-ppt-skill`项目可生成网页版PPT编辑器，有多种主题、版式和控件，功能丰富，能本地完成操作，还介绍了安装和使用方法。
模型越强，人的判断力越值钱：微软CEO破解“AI替代”焦虑
微软CEO纳德拉长文探讨‘AI驱动的经济中企业的未来’，指出企业要构建AI学习闭环，让人力资本和AI能力叠加增长。还提出认知闭环概念，强调人的判断力在AI时代更有价值，给出构建学习系统的具体方法。
从0到1带你速通Codex，我整理的终极保姆教程来了。
作者重写Codex教程，介绍安装、界面、设置等内容，还展示开发网页和APP过程，最后指出Mac版功能比Windows版丰富。
独家｜地平线前高管牛建伟成立叮当动力，专注空间智能，获地平线领投数千万元投资
《AI科技评论》独家消息，前地平线智能座舱产品线总经理牛建伟创立叮当动力，专注空间大模型的通用具身智能，获地平线领投数千万元种子轮融资。牛建伟经验丰富，团队提出独特解决方案，产品聚焦多元场景。