「研究智能体」共找到 5000 篇相关文章
ACL 2025 Oral | 你的模型评测搭子上线：Evaluation Agent懂你更懂AI
上海人工智能实验室与新加坡南洋理工大学合作研发 Evaluation Agent，它能按需评估视觉生成模型，有可定制、高效率等优势。框架分提案和执行两阶段，评估结果佳，未来将拓展功能。
Evaluation is All You Need：评估设计的微小差异如何扭曲结果
论文以DeepSeek - R1 - Distill系列模型为例，指出大模型评估中看似客观的基准测试结果对评估细节极度敏感，细微评估条件变化会致分数波动大，削弱模型对比可信度，呼吁建立新评估标准。
Ilya 最新演讲：AI 将递归构建更强大的自己
Ilya Sutskever在演讲中称AI将递归构建更强大的自己，走向递归自我改进道路。他分享个人经历，还指出大型神经网络功能强大，AI发展不可预测，相关问题暂无答案。
NICE59期 | Agent进入下一篇章！Alita：不靠人工预设，自己造MCP自我进化的AI
这篇论文提出让 Agent 主动创造解决 MCP 的工具实现自我进化，工具可网上检索或自主编写。Alita 做法更通用实效，还提出‘Agent 蒸馏’思想，其生成的 MCP 已用于‘manus’。
AI时代，CRM的底层逻辑正被重构｜甲子光年
AI正加速改变CRM及SaaS产品形态和市场格局。纷享销客发布ShareAI平台，从连接型向智能型CRM跃迁。AI重构CRM底层逻辑，还助海外SaaS破局，中国厂商或借AI探寻商业化路径。
AI大佬教你如何中顶会：写论文也要关注「叙事」
NeurIPS投稿截止不到一月，Google DeepMind的Neel Nanda发布机器学习论文撰写指南，旨在解决论文表达晦涩问题。指南涵盖理想论文精髓、写作关键要素、结构解析、流程建议及常见问题应对策略。
突发！Opus 5.2深夜上线，RSI真来了？
Anthropic在Claude Code开启Claude Opus 5.2灰度测试，跳开5.1版本，解决了以往AI“偷懒病”，响应速度、输出质量大幅提升，同时曝光内部已用核武级Model 2编写代码，RSI或已来临。
33%！Claude、GPT、Gemini 在真实网站上集体翻车，ClawBench 把 AI agent 打回原形
ClawBench让AI在144个真实网站执行153个日常任务，结果惨烈，如Claude Sonnet 4.6每三任务翻车两个，GPT - 5.4仅完成10个。它还揭示AI在真实环境的问题，为评估模型提供标尺。
AI最尴尬的短板，中国科学院出手了
7月24日，中科院计算所“知境”团队发布知境社会心智大模型技术体系，为现有大模型补社会心智短板。其建评测体系SoMBench，设计训练系统Zing，用部署架构Actio，在多评测超越GPT - 5.5等，应用前景广。
国产开源新突破！5万小时真机数据，撕开行业最大痛点
蚂蚁灵波开源具身操作基座模型LingBot-VLA 2.0，用同一套模型「驯服」20种机器人构型。它覆盖5万小时真机数据，在通用泛化能力上全面升级，还带来三大底层技术革命，可降低重复适配成本。