「智能体评测」共找到 3881 篇相关文章
Karpathy自称患上AI精神病！能力没有上限，一切都是Skill问题
Karpathy在播客中称自己患AI精神病，日常工作多依赖智能体。他认为智能体能力无上限，瓶颈在使用者技能。还探讨软件变革、自动化研究、模型分化等，对就业、开源等也给出看法。
「10万小时人类数据」不搞对齐只靠规模，灵初智能Psi-R2登顶MolmoSpaces！
4月10日晚，灵初智能发布大模型、数据集与合作计划，包括策略模型Psi - R2、世界模型Psi - W0及近10万小时人类操作数据。其未走花哨对齐路线，靠系统协同，在MolmoSpaces评测中表现优异，体现自主研发路线先进性。
Cursor押注云端Agent！CEO 放话：审核AI代码是开发者最核心竞争力
Cursor CEO 称 AI 编程进入第三时代，智能体可少人工介入完成复杂任务，开发者角色转变。Cursor 团队超三分之一 PR 由云端智能体生成，不过这引发了开发者对代码审查、工作流、安全等问题的讨论。
工程知识引擎：Harness Engineering体系下的工程知识底座
现代软件开发中，AI编程智能体虽能写代码但难理解代码，缺乏工程约束与上下文支撑。为此构建工程知识引擎，整合多维数据源，有向量检索等六大能力，经评估可提升智能体效率与代码质量。
Agent总 “掉链子”？它只是缺这 4 项外挂必备技能
Anthropic工程师团队揭秘给智能体定制技能包，解决现实问题。Anthropic总结智能体在现实任务中目标模糊、步骤混乱等短板，针对性设计任务拆解、状态感知等4大核心技能，让其扎根现实搞定复杂任务。
百度智能云 DuMate 测评：办公 Agent 教我用 Claude Code，效果如何？
百度智能云桌面级AI智能体DuMate于今年3月22日全量上线。本文对其进行测评，设计围绕GitHub项目的复杂任务，测试它在研究、整理、文件生成和展示化输出的表现，探讨办公Agent从内容提供商到办公搭子的转变。
AI Coding大佬聊透了：产品智能重要还是用户体验重要？答案让人意外
量子位举办AI Coding沙龙，百度、硅心科技等多位行业玩家参与。探讨AI编程从替代人转向协作、智能体发展、To B与To C界限模糊等话题，指出未来产品智能更重要，编程产品将服务更广人群，程序员技能需转变。
当微信支付开放MCP之后，我却有一点后怕。
微信开放微信支付MCP，补上智能体链路支付短板，使用门槛低。作者分享体验，做了多个案例，如一周健康餐智能体。但全量开放或带来风险，如AI自主完成灰产闭环、AI骗AI钱等。
刘鹏飞组提出Agent领域的少即是多：智能不在于数据堆砌，78个样本训练出超强Agent，128倍效率提升
刘鹏飞组论文《LIMI: Less is More for Agency》提出颠覆性观点，认为Agent智能培育关键在数据质而非量。LIMI用78个样本在AgencyBench得分超基线模型，实现128倍数据效率提升，为Agent开发提供新路径。
5Y View｜欢迎来到评测时代
强化学习推动AI突破，模型将刷爆既有评测，AI实验室面临评测饥荒。构建评测与RL环境是利用人类时间的高效方式，不同领域有不同验证方式，Mercor已率先拓展RL数据边界。