「结构化评估」共找到 1779 篇相关文章
Claude Code团队谈产品哲学，自己是第一用户
Claude Code团队分享产品开发哲学与多智能体协作玩法。其迭代快，靠独特流程：成员用它原型化功能，经内部试用调整。用户使用偏好多样，SDK易用，团队鼓励做自己产品的第一用户。
ICML 2025 | 大模型能在信息不完备的情况下问出正确的问题吗？
当前大语言模型推理研究多聚焦被动推理，主动推理研究少，制约其在现实场景应用。为此提出 AR - Bench 基准评估大模型主动推理能力，实验显示大模型主动推理能力严重不足，并指出后续拓展方向。
文档秒变演讲视频还带配音！开源Agent商业报告/学术论文接近人类水平
澳大利亚和英国多所高校团队提出多模态智能体PresentAgent，能将文档转化为配有语音讲解和同步幻灯片的视频演示。其模块化生成框架有可控性和领域适应性，评估显示它在各指标上接近人类水平。
推出4个月就狂赚3亿？！百万用户应用CTO弃Copilot转Claude Code：200美元拯救我的137个应用
Anthropic 公司推出的 AI 编码助手 Claude Code 推出 4 个月吸引 11.5 万开发者，单周处理 1.95 亿行代码，年化收入预估达 1.3 亿美元。开发者认为它优势明显，Soham 级别的生产力，还分享使用技巧。
强化学习教父重出江湖， 生成式AI的时代要结束了？
新智元报道，强化学习之父Richard Sutton称GenAI时代正结束。他加入ExperienceFlow.AI，要让AI靠「经验」觉醒。该公司定位打造「经验驱动的去中心化超级智能」，认为AI下一阶段应从世界中学习。
NTU等联合提出A-MemGuard：为AI记忆上锁，投毒攻击成功率暴降95%
在AI智能体依赖记忆系统的当下，记忆投毒攻击兴起。A-MemGuard作为首个为LLM Agent记忆模块设计的防御框架，通过共识验证和双重记忆结构，解决防御难题，使投毒攻击成功率暴降超95%。
具身智能迎来ImageNet时刻：RoboChallenge开放首个大规模真机基准测试集
近日，RoboChallenge推出全球首个大规模、多任务真机基准测试。它构建开放、公正、可复现的‘真实考场’，为视觉 - 语言 - 动作模型提供评估标准，推动具身智能发展，还提供远程测试服务等。
条条电路通罗马：大模型可解释性的「唯一机制」可能从一开始就不存在
长期以来，机制可解释性领域默认模型对同一任务的能力对应唯一内部「电路」。但被ICML 2026接收的新论文指出，「唯一电路」可能不存在，同一任务可由多个结构不同但能力相当的电路完成。
分享一个 Skill：如何找到值得做的创业 idea
作者分享找创业想法的方法，认为AI时代想法重要性回归。介绍通过AI获取各平台信号，还推荐Tabbit浏览器，其能创建复用妙招扫描机会，给出结构化清单，还可定时执行，有共享社区。
Agent Skill规范、构建与设计模式
文章深入解析 Agent Skill 的规范、构建与设计模式。介绍了 Skill 规范标准、三层渐进式加载机制和触发机制，阐述了 Skill-Creator 和 Writing-Skills 的核心思想，还总结了 Google 的 5 种 Skill 设计模式，最后指出 Skill 生态已形成完整知识体系。