「评测标准」共找到 946 篇相关文章
年终总结，通用Agent在企业落地，为什么这么难？到底要怎么做？
文章指出通用Agent在企业落地难，原因有模型本身问题、工程化落地难度被低估、安全合规要求高。还介绍金蝶苍穹Agent平台，它嵌入企业管理场景，有业务模板、开放标准和安全保障。
GitHub 2.5万星！日本开发者打造的Hono火了：定义后React时代微框架的轻量未来
本周，Web 框架 Hono 在 X 官宣，GitHub 获 25000 星标。它由日本开发者 Yusuke Wada 于 2021 年创建，基于 Web 标准，可在多运行时运行，或指明后 React 时代 Web 框架方向。
企业数字化转型新引擎：MCP + LLM + Agent 架构赋能！
本文介绍MCP（Model Context Protocol）模型上下文协议，它是Anthropic于2024年11月底推出的开放标准，可统一大模型与外部数据源和工具通信协议，打破数据孤岛，有诸多优势，还适用于多个场景。
刚刚，翁荔博客又上新：通过Harness工程实现AI自我提升
翁荔新博客聚焦Harness Engineering，梳理围绕‘Harness自我优化’的研究，探讨递归式自我提升发生层面，还指出自动化研究和自我提升系统面临的瓶颈，如评估标准模糊、奖励作弊等。
第九章 编码 Agent 实战——用 Deep Agents 构建代码审查助手
文章介绍用 `deepagents` 框架构建代码审查 Agent 的实战项目。此框架封装重复工作，让开发者专注业务逻辑。文中讲解其安装、最小运行示例，还介绍自定义工具及添加审查标准技能的方法。
给 Agent Skills 装上眼睛：MMSkills 用多模态技能包教会智能体看状态、做决策
上海交通大学和小红书团队推出面向通用视觉 Agent 的多模态技能框架 MMSkills，将可复用技能扩展为多模态程序性知识，通过 branch loading 调用视觉证据，在 GUI 与游戏任务评测中表现出色。
Meta通过简单算术解锁LLM SoTA性能
大型语言模型训练耗算力与时间，传统模型融合方法有局限。本文提出SoCE新方法，通过筛选专家模型、非均匀加权平均融合，在多评测中实现先进性能，为LLM优化提供新思路。
人形机器人不再「走走停停」：Current Robotics发布全身灵巧操作模型Curr-0
具身智能领域中，让机器人移动中精细操作一直未被很好解决。Current Robotics发布全身灵巧操作模型Curr - 0，用Single Policy统一策略，数据源于自研外骨骼系统，还构建世界模型解决评测部署难题。
编程脚手架狂揽 20 万星，Agent 基础设施成 GitHub 新战场
近日，GitHub Trending 榜首的「obra/superpowers」飙到近 20 万星。它是 AI 编程脚手架，能让 AI 按专业流程产出高质量代码，解决开发者难题。GitHub 上 Agent 基础设施项目爆发，各公司也在布局，工程标准争夺激烈。
姚顺雨腾讯首篇论文：给AI下半场指路“上下文学习”
姚顺雨入职腾讯后首个成果CL - bench，用来测试大模型“从上下文中学习”能力。研究指出当下模型多依赖“过去”知识，无法适应“当下”学习。评测中，十个前沿模型表现不佳，揭示其真实场景应用缺陷。