搜索：进化式评测系统

「进化式评测系统」共找到 2747 篇相关文章

今年看到最系统的AI Agents时代Memory综述~

分享由NUS、人大等联合出品的《Memory in the Age of AI Agents: A Survey》。用三维框架讲透200+篇论文，提出新三大记忆形态，展望7大前沿，还涵盖记忆各方面知识及资源。

Memento - Skills让AI Agent自己设计自己，通过部署时学习进化，不动模型参数，将经验写进技能库。经测试，在HLE和GAIA基准测试中准确率大幅提升，与OpenClaw等定位不同，有多种部署方式，不绑定模型。

2025年被视为Agent爆发元年，自年初通用Agent产品Manus出现后，其受关注程度空前。火山引擎Force 2025大会上，升级后的扣子成焦点，它从开发平台进化为全生命周期平台，覆盖开发、框架、调优、协作四大部分。

Anthropic研究发现，Claude正成为“情绪价值大师”，人们会在面临情感挑战时向其寻求陪伴。它还使用Clio工具分析对话，在保护隐私下了解使用情况。Claude在情感陪伴与专业支持中扮演双重角色。

本文介绍基于大语言模型的AE测试数据智造Agent，解决AliExpress跨境电商测试数据构造难题。它结合大模型与原子工具库，实现自然语言驱动的全链路测试数据生成，提升测试效率与智能化水平。

5月20日Google I/O 2026前夕，谷歌提前“放大招”，Gemini桌面端曝光，Mac版先上线。它具备四大核心功能，如系统级Agent操控PC等。全新Gemini 3.2闪现，编程能力惊人，谷歌还更新Workspace应用图标。

文章深入探讨 Agentic AI 时代记忆系统，介绍记忆对智能体的重要性、人脑与智能体记忆的定义分类及操作，还分析 Memory Bank、LETTA 等多款产品实现，总结技术演进趋势，最后提及 Tablestore 的优势。

Anthropic的frontend - design是Claude首个广泛使用设计技能，Impeccable由此起步并扩充功能。它有一次设置流程、23条命令、59条确定性检测规则等，还给出反模式，介绍多种安装方式及使用方法。

斯坦福NLP组发布ProgramBench，用200个完整代码库重建任务测试主流大模型，要求模型仅根据可执行文件还原如SQLite等项目完整代码，结果所有模型实际解决率为0%，说明模型更擅模仿代码表面结构。

北大张文涛教授、鄂维南院士团队联合多机构推出大模型数据中心动态训练框架DataFlex。它是统一训练基础设施，纳入三类核心能力，解决底层系统问题，在效率和效果上有提升，受社区认可。