「工程基准」共找到 1647 篇相关文章
什么都不做就能得分？智能体基准测试出现大问题
随着AI智能体走向实际应用，其基准测试变得至关重要。但现有基准测试问题多，如WebArena判错答案、τ - bench给无操作智能体高正确率。文章提出有效性判据和ABC清单，还揭示主流基准测试诸多问题。
提示词工程、RAG之后，LangChain：上下文工程开始火了！
AI时代，上下文工程正兴起。它是构建动态系统，为LLM提供合适信息和工具以完成任务。随着应用复杂度增加，提供完整结构化上下文比提示词更重要，正成AI工程师重要技能。
品味 + 工程思维：AI 时代最难被替代的两件事
AI 时代，最难被替代的是做选择的品味和把结果做稳的工程思维。语法可交 AI，但需有工程思维，它能让使用者把 AI 用好，避免错误和复杂度失控。文章介绍了培养工程思维的方法。
更可靠的主播助理：淘宝主播Agent的Harness工程实战
文章聚焦淘宝主播Agent的Harness工程实战。介绍了Harness基础定义与分层结构，阐述上下文工程、工具调用等八项实战内容，还提及记忆体系特色，强调Harness工程是让主播Agent可用、可控、可演化的关键。
万字长谈丨同济工智院华先胜：工程智能，是 AI 的「成人礼」
雷峰网·AI科技评论对话同济工智院华先胜，探讨工程智能。他认为工程智能是AI与工程深度融合，要从数字走向物理世界，构建体系，实现人机共生，还介绍了研究院成果、灵感计算及操作系统架构等。
全面解析 Agent Engineering 的 10 大工程维度：生产级 Agent 系统的炼成之路。
技术突破让AI智能体成热点，但应用走向真实业务暴露出工程瓶颈。本文围绕智能体工程及其10个核心维度，剖析从“不确定的LLM能力”到“可靠的生产级Agent系统”的炼成之路。
Anthropic 发布 AI Agent 上下文工程指南
今年6月Andrej Karpathy提出用「上下文工程」取代「提示词工程」。Anthropic发布工程博客呼应此观点，指出构建AI应用重心转向策划上下文。文章详述上下文工程重要性、有效上下文剖析、检索及长时任务应对技术等。
评估工程正成为下一轮 Agent 演进的重点
文章指出传统软件工程测试方法难用于 AI 系统，促使评估工程成 Agent 演进重点。它贯穿 AI 生命周期，正走向体系化。介绍评估工程发展阶段，还提及阿里云 RM - Gallery 和云监控 2.0 实践。
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。
复旦等推出「第一人称视听基准」，补齐多模态模型「听觉拼图」
多模态大模型在真实世界会“失聪”，现有第一人称视频问答/理解基准长期偏“视觉中心”。复旦等团队推出首个系统评测第一人称声音理解能力的基准EgoSound，能让模型听懂世界，评测显示当前模型与人类差距大。