「评估方法」共找到 2123 篇相关文章
重磅！腾讯QQ机器人接入OpenClaw，官方“养虾”指南来了
腾讯QQ机器人接入OpenClaw，文章给出创建QQBot接入OpenClaw的步骤，介绍QQBot插件的安装、升级方式，还阐述其消息收发能力、技能配置方法，最后解答常见问题并提供交流反馈途径。
从需求分析到代码生成，LLM都能干点啥？一文读懂291个软工Benchmark！
大语言模型重塑软件工程各环节，但缺乏评估其在该领域表现的系统工具。浙江大学等机构团队首次对291个软件工程Benchmark系统综述，分析现状、痛点并给出改进方向。
AI失忆术！只需3个注意力头，就能让大模型忘记「狗会叫」
Meta和纽约大学团队发布论文《From Concepts to Components》，提出SAMD和SAMI方法。前者定位模型概念注意力模块，后者微调强度。能让模型‘失忆’，还可增强推理、控制安全，为AI研究开新方向。
AI 如何讲好一个多人故事？首个支持多角色互动的3D场景叙事系统
首尔国立大学提出全新框架，能生成虚拟动态场景并支持多角色上下文动作生成。引入LLM拆解复杂任务，系统用事件驱动方式规划动作，还构建基准评估相关能力，有良好扩展性和实用性。
重磅！全都看过来，Anthropic官方发布万字Skill创建完全指南：保姆级终极攻略
Anthropic官方发布万字Claude技能创建指南，涵盖规划、设计、测试和分发等知识，介绍技能结构、设计原则，提供不同用例模式及故障排查方法，适用于开发者、高级用户和团队。
智能旅行助手
开发者开源智能旅行助手 AI Travel Agent Streamlit，集成 OpenAI、天气 API 等服务，可在直观界面完成旅行规划。介绍了设置、运行、部署方法，还提及测试、安全等要点。
大模型训练的不稳定性有望彻底解决，MIT新研究用谱正则化替代层归一化
MIT团队创造Lipschitz Transformer，用谱正则化替代层归一化，认为或解决训练不稳定根本原因。他们对比多种方法权衡，发现Muon + 奇异值裁剪推动权衡边界，且工作完全开源。
首篇WebAgents综述：大模型赋能AI Agent，实现下一代Web自动化
互联网任务重复繁琐，香港理工大学研究人员从架构、训练和可信性等角度，总结WebAgents代表性方法，梳理研究进展。WebAgents能根据用户指令完成网页任务，其发展预示人机关系新纪元。
微软开源Skill训练框架，让Agent白天干活，晚上自动复盘，Skill的自进化终于可监控了
微软开源SkillOpt v0.2.0，加入SkillOpt - Sleep让Agent可自我复盘。该文本空间优化框架能自动训练和优化skill，有透明化、质量控制等特点，适合重复、可评估任务场景。
OpenClaw带火AI记忆，DeepMind用混合记忆把3D重建拉到近2万帧
近期，全球爆火的 Agent 私人助手 OpenClaw 接连更新，其长期记忆能力获关注。谷歌 DeepMind 联合加州大学伯克利分校提出 LoGeR 架构，将 3D 重建扩展到极长序列，在多数据集上表现超越先前方法。