「AI评估」共找到 10095 篇相关文章
自我进化Agent综述：通往超级智能的进化之路
当前大型语言模型面对新知识、动态环境时存在固定参数瓶颈，自进化智能体研究应运而生。本论文作为该领域首部系统性综述，提出革命性框架，解析自进化智能体技术脉络与未来挑战。
不靠海量数据，如何精准喂养大模型？上交Data Whisperer：免训练数据选择法，10%数据逼近全量效果
上海交通大学等团队提出 Data Whisperer，首个免训练的注意力驱动数据选择框架。它利用模型自身能力打分挑数据，无需训练与人工标注，用 10% 数据让微调效果逼近全量数据，在多方面领先传统方法。
为什么 Coze 把他们最核心的框架都开源出来了？
Coze开源了Coze Studio和Coze Loop项目，前者工作流完整，有工作流引擎和插件框架；后者可调试、优化Prompt。采用Apache 2.0许可，适合个人和企业，还介绍了参与开源项目的方法及开源原因。
垂直赛道 Agent 闷声发财指南：如何实现一年超千万营收？
本文围绕垂直赛道的2B Agent展开，分享了语核科技创始人的产品理念与经验，探讨了如何找到有价值的场景、构建高价值闭环。还介绍了客户的应用情况、对Agent的看法及选型考量，强调其商业价值与落地挑战。
Cursor调价风波背后：商业逻辑与用户期待的错位
Cursor在6月16日调整Pro计划收费模式，从请求数限制改为计算量限制，虽称优化却引发用户不满。用户发现服务缩水且沟通模糊，社交媒体上一片失望愤怒声。7月4日Cursor道歉并推出补救措施，但信任修复不易。
集成20+先进算法，优于GPT-4o，自主因果分析智能体来了
加利福尼亚大学圣迭戈分校研究团队提出自主因果分析智能体 Causal - Copilot，集成超 20 种算法。它解决因果分析使用门槛高、预训练模型有局限等问题，性能优于 GPT - 4o ，已开源邀全球研究者参与。
Grok 4基准测试被爆极其优异，人类终极考试成绩飙升到45%，碾压o3 和Gemini的20%
API开发者曝光Grok - 4和Grok - 4 Code测试成绩，HLE达35%，推理后飙升到45%，远超o3和Gemini的20%。其他测试也表现优异，但成绩引发争议，有人质疑数据污染，也有人支持，目前数据未官方证实。
个人开发者时代崛起！22岁印度开发者搞的业余项目被马斯克Groq看上，如今用户破6万
22岁孟买开发者Zaid Mukaddam开发开源AI搜索引擎Scira，定位为“Perplexity替代品”。项目初期走红，后因流量激增成本上升，获Groq等公司支持。如今用户破6万，其成功激励更多开发者。
你的衰老速度被科学家拍出来了| Nature子刊
Nature子刊研究推出新指标DunedinPACNI，不看身份证年龄，看“脑年龄”。其数值越高，脑功能衰退风险越高。该指标已开源，或助人们检测身体状况、调整生活方式。
Claude Code 通过流式 HTTP 获得对远程 MCP 服务器的支持
Anthropic在Claude Code中引入对连接远程MCP服务器的支持，开发人员无需手动本地服务器设置就能集成外部工具和资源，还支持通过HTTP或SSE的OAuth 2.0进行身份验证，不同人对此功能看法不一。