「智能体评测」共找到 3881 篇相关文章
20美元，扒掉AI安全底裤！智能体2小时，攻破160亿美元巨头
红队安全创业公司CodeWall的AI智能体，花20美元Token费、运行2小时，自主选麦肯锡为目标，攻破其「数字大脑」Lilli，获4650万条聊天记录等读写权限，暴露AI安全隐患。
蚂蚁集团领投，光轮智能20亿美元估值引领全球具身数据基础设施｜甲子光年
具身智能市场逻辑生变，从关注模型和本体转向数据与评测基础设施。光轮智能获蚂蚁集团领投，估值超20亿美元。其构建完整闭环，参与国际标准制定，打造物理AI教育系统，引领产业发展。
玩转智能体协议：谷歌开发指南教你拼出工业级AI应用
谷歌两篇开发指南拆解六大前沿开放协议核心代码，从开发者挑战赛提炼五条架构法则。介绍各协议用途，如MCP消除重复劳动，A2A规范智能体通信等，阐述协议协同运作及架构法则助力工业级智能体应用开发。
不安全指令，一拒了之？TRIAD用三路决策：修复AI智能体的危险计划
墨尔本大学团队开源TRIAD框架，将传统二元护栏决策扩展为继续、更新、拒绝三类。通过自然语言反馈引导Agent修正计划，在ASB和AgentHarm评测中，显著降低攻击成功率，提升正常任务完成率。
九成以上模型止步白银段位，只有3个铂金！通用AI下半场评测标准来了
OpenAI研究员姚顺雨提出AI发展步入新阶段，下半场关键在评估模型真实智能。新加坡国立大学等团队提出“通才智能”评测框架，剖析多模态大模型短板，推出五级评估体系和测试集，测试结果暴露模型弱点，引发社区积极反响。
ToC智能体火得快，但更大的价值在企业丨中关村科金@MEET2026
在大模型与智能体快速普及当下，中关村科金总裁喻友平判断AI时代核心是连接更强。他提出企业智能化是长期工程，真正让智能体规模化落地需重构底座平台能力，还介绍了应用场景等。
中国团队引领太空算力：首次太空在轨部署通用大模型，发2800颗卫星服务数亿硅基智能体
岁末年初，全球AI竞争聚焦太空算力，中美你追我赶。美国Starcloud宣布在太空跑通大模型，中国国星宇航发布全球首个服务硅基智能体的太空算力网，计划用2800颗卫星服务数亿个硅基智能体，还实现通用大模型在轨部署。
32B逆袭GPT-5.2：首个端到端GPU编程智能体框架StitchCUDA问世
现有LLM自动化CUDA方法难处理端到端GPU程序，StitchCUDA提出多智能体框架+基于Rubric Reward的Agentic RL方案，分解任务、优化训练，在实验中成功率和加速比远超其他方法，解决Reward Hacking问题。
炸场！Meta 豪掷数亿收购 Manus，通用 AI 智能体要统治世界了？
AI圈刚过完圣诞就迎来王炸新闻，科技巨头Meta官宣收购爆火的智能体初创公司Manus。Manus今年3月推出全球首款通用AI智能体，表现亮眼。官方表示Manus会继续运营并扩展服务，创始人肖弘曾历经质疑，Meta对其团队赞誉有加。
Anthropic智能体大会：Agent也会精神分裂，我们发现了多Agent协作的本质解法。
Anthropic开发者大会聚焦Agent，分享多智能体实战经验。Omni的Blobby出现‘精神分裂’问题，根源是内外层Agent能力认知断裂，修复方案是将工具上提。Anthropic团队则通过协商签订协议解决角色定义不一致问题。