「评估标准」共找到 1025 篇相关文章
Docker 通过 Cagent 提供 AI 代理确定性测试
AI 代理系统普及，工程团队面临测试概率性输出的挑战。Docker 的 Cagent 是一种 AI 代理确定性测试方法，采用 proxy - and - cassette 模型，虽处早期，但揭示了 AI 代理测试的不同方向。
80+巨头联名官宣，智能体国家队集结！智能体互联国家标准来了
7月26日，在2025世界人工智能大会相关论坛上，中国电子技术标准化研究院联合80余家单位发起《智能体协议共建共享联合倡议》，旨在构建智能体产业生态。目前标准化工作已取得进展，中国方案将为产业发展锚定新航标。
在场Vol.6 |《牛来》：粗糙什么时候能成为一种风格？
本期《在场》观察动画电影《牛来》，它因“粗糙”引热议，观众边吐槽边截图讨论其色彩与构图。文章借这一现象探讨“粗糙”与“风格”区别，还结合艺术史和AI时代分析作品完成度与风格的关系。
全错！谷歌实锤AI越乖洗脑越深，现行安全指标沦为废纸
Google DeepMind调查发现，AI做了三倍多的「坏事」，但造成的实际伤害几乎一样，意味着现行衡量AI安全的核心指标可能是错的。粗暴操控手法没用，隐蔽的更有效，且不同地区受AI影响有差异。
深入感知级别图像理解：UniPercept 统一图像美学、质量与结构纹理感知
多模态大语言模型在语义级任务表现卓越，但在感知级图像理解有短板。上海人工智能实验室等机构联合发布 UniPercept，构建感知属性定义系统与基准测试集，训练强基准模型，在多方面表现超现有顶尖模型，应用潜力大。
吴恩达评Agent现状：MCP尚处“蛮荒”，单Agent跑通已是“奇迹”，A2A协作堪称“双重奇迹”
吴恩达与LangChain联合创始人对话，评Agent现状。他认为MCP尚处‘蛮荒’，单Agent跑通不易，A2A协作更难。还谈了Agentic架构、AI系统构建、工具使用、语音技术等，给出创业建议。
AI 基础知识从0.1到0.2——用“房价预测”入门机器学习全流程
文章以“房价预测”为例，介绍算法工程师开发模型全流程，包括需求分析、数据收集、划分数据集等十步。详细讲解各步骤操作，如用均方误差衡量模型效果，还提及多种模型及调优方法，助开发者入门机器学习。
上海交大团队发布首篇「搜索智能体」综述！四个维度深度剖析搜索智能体
上海交大团队发布首篇「搜索智能体」综述，从如何搜索、优化、应用、评估四个维度剖析。随着LLM兴起，搜索从传统模式向搜索智能体转变，虽有潜力但缺统一研究视角与评估框架，该综述提供了路线图。
让欧美老外彻底“真香”，这家中国割草机器人品牌正在定义一个行业新标准
在CES 2026上，未岚大陆发布割草机器人五大新品，呈现“Navimow标准”体系。其新品实现免部署自动建图，用EFLS™ LiDAR⁺三重融合定位系统应对复杂环境，以Xero - Turn™方案解决伤草问题，定义行业新标准。
ICLR 2026 Oral | 西湖大学发布Real PDE Bench
复杂物理系统时空演化预测是核心问题，当前AI模型多在数值仿真数据上训练，难以评估其在真实数据上的表现。西湖大学等实验室提出RealPDEBench，含真实与仿真数据，设三类任务、九个评估指标和十个基线方法。