「评估体系」共找到 1237 篇相关文章
谷歌发76页智能体白皮书！你的「AI替身」已上线
谷歌发布76页AI智能体白皮书，剖析其应用前景。涵盖智能体运维、评估方法，探讨多智能体架构，还介绍智能体增强检索生成及企业应用，如NotebookLM企业版、Agentspace空间企业版等。
让沉默三千年的甲骨开口：首个模仿人类专家工作流的辅助释读系统
近日，华中科技大学等联合团队推出首个模拟专家释读流程的人工智能系统AlphaOracle，辅助甲骨文破译。它整合多类资料，形成证据链，经专家评估，有较高评价且能节省分析时间。
The Batch: 952 | GPT-5.5 性能领先，但幻觉问题突出
OpenAI 最新旗舰模型 GPT-5.5 是闭源视觉 - 语言模型，在重要基准测试中表现领先，但在区分已知未知内容上有困难，幻觉问题突出，在主观评估中落后于对手。
OpenClaw登顶GitHub，满天飞的智能体Skills要怎样设计？
OpenClaw 4 个月获 250K+ Star 登顶 GitHub。智能体 Skills 给大模型装上程序化记忆，研究者解构其概念，阐述设计模式、获取调度逻辑，也指出安全威胁，呼吁建立客观评价体系。
MiniMax 上市后的第一个开源：给 Coding Agent 立个规矩
2026 年初 MiniMax 成功上市港股，市值达 1100 亿港币。其上市后首个开源项目 OctoCodingBench 聚焦 Coding Agent 评估，解决规则复杂时 Agent 合规问题，为其立规矩，有重要社区价值。
多模态推理新基准！最强Gemini 2.5 Pro仅得60分，复旦港中文上海AILab等出品
现有多模态大模型benchmark对逻辑推理理解不足，复旦大学等单位提出MME - Reasoning评估其推理能力。对30 + 模型评测，最优得分仅60%左右，反映出模型多方面推理短板。
联合AI天使会、对接百家顶级VC，「星火计划」正式启动招募
算泥社区联合AIGC开放社区发布「星火计划」，联合AI天使会等对接百家顶级VC，构建全链路服务体系。其有构建资本网络、深度辅导、提供品牌与资源等优势，现向早期项目开放征集。
国产AI4S创业头雁再获8亿投资！深势科技完成C轮，产品已服务300万科学家
近日，深势科技完成超8亿人民币C轮融资，资金用于人才培养和产品迭代。AI for Science成全球共识，深势科技构建“AI科学家”体系，其产品服务300万科学家，“深势·宇知®”升级为智能引擎。
探秘琶洲模方：不只是孵化器，更是“创新沙盒” | 甲子光年
在人工智能浪潮中，琶洲成为科技与商业策源地。2025年5月，琶洲模方启动运营，它突破传统孵化器模式，打造“创新沙盒”，以“一中心四平台”体系对抗技术黑盒不确定性，助力企业成长。
昆明城市专区展览里的科技与生活
2025年国家网络安全宣传周在昆明开幕，同期昆明城市专区展览开展。展示了昆明数字经济成果，如AI机器人、网络安全体系建设、公安AI数字人等，还有鲜花、咖啡产业数字化及各企业安全方案。