「评估问题」共找到 3739 篇相关文章
从物竞天择到智能进化，首篇自进化智能体综述的ASI之路
普林斯顿大学等机构研究者发布首个自进化智能体综述，为领域建统一理论框架和路线图。综述给出形式化定义，围绕What、When、How、Where构建分析设计框架，还探讨评估范式并指明未来方向。
谷歌创始人布林紧急接管Gemini团队，但“3.5 Pro已被取消”
谷歌Gemini 3.5 Pro未按计划推出，据判断已被取消。Gemini Flash系列表现不佳，谷歌AI面临压力，创始人布林重新参与相关战略讨论，而谷歌可能存在算力分配问题。
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。
为什么你的 Agent 总是出故障？从算力基建到可信熔断的架构生死线 | 直播预告
本次直播集结值得买、商汤、明略三位技术专家，拆解可信 Agent 构建之道。将探讨大模型基础设施、可信 Agent 架构、MCP 协议实战等问题，还会解答观众提问。
Anthropic8张图，揭示Workflow & Agent的协作场景
文章借Anthropic的阐述，区分了Workflow与Agent概念。指出任务明确用Workflow，开放式问题用Agent，还介绍了构建blocks、workflows方法及Agent工作方式和实施原则。
直播实时离线翻译
传统离线翻译模型有延迟问题，GitHub上NoLanguageLeftWaiting开源项目把Meta的NLLB模型改造成实时同传模型，能边听边译，支持200种语言互译，还在开发推测解码功能提升速度。
5.8k Star 基于LangGraph的Multi-Agents炒股框架，7种Agent形成金融交易闭环
TradingAgents是模拟真实交易公司运作的多智能体交易框架，用LangGraph构建，有灵活性与模块化特点。由7种LLM驱动的专业智能体协同评估市场、制定决策，还介绍了架构和实战操作。
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。
博士生，当代最穷科研民工？Nature最新调查：不涨工资，我们就跑路了
Nature公布对全球3785名博士调查，结果喜忧参半：满意度回升，但薪酬与指导拖后腿；AI使用普遍，不过多数人不信任其输出结果；骚扰与偏见问题严重，心理健康告急。
刚刚，Anthropic 53页绝密报告曝光：Claude自我逃逸，将引爆全球灾难！
Anthropic发布53页报告预警，Claude Opus 4.6风险逼近ASL - 4，若自我逃逸将致全球失控。2026年AI领域状况频出，安全专家离职，多起危险事件凸显AI安全问题严峻。