「评估驱动开发」共找到 2705 篇相关文章
开源，本体驱动的GraphRAG新范式，零噪声~
分享开源项目trustgraph，重点介绍本体驱动的零噪声GraphRAG。常规GraphRAG在实际应用中问题多，如数据重复、冲突、缺数据等，而本体可构建自我完善的知识图谱，作者为此造了“本体驱动GraphRAG”。
MASFactory: 多智能体系统开发进入Vibe Graphing时代
AI能力迭代，多智能体编排却停留在旧阶段。北京邮电大学GAMMA Lab团队发布MASFactory，用Vibe Graphing编排多智能体系统，融合多种开发方式，有全栈可视化等优势，还给出实用案例和开源代码。
Manus高溢价收购背后，是Agent开发落地困境
近期Meta 20亿美元收购Manus引发关注，暴露Agent开发落地难题。阿里云百炼升级“1+2+N”体系，“N”组件解决数据、安全等问题，“2”提供新开发范式，“1”深挖模型服务工程，还发布企业版助力落地。
初探：从0开始的AI-Agent开发踩坑实录
作者分享从0开始开发AI Agent实现开源应用Helm Chart自动化生成的历程。介绍了定义角色、明确AI能力边界等开发要点，尝试三种Agent范式，还提及实践痛点如AI可观测性不足、Prompt工程困境等。
MiniMax Agent 再进化！正式走向商业级全栈开发
MiniMax Agent 升级成‘全栈开发师’，建立完整交付标准，构建技术生态。它能完成多任务，配置顺滑，可处理前端问题。还在 MCP 生态、支付集成等方面革新，从工具迈向数字化商业引擎。
大模型评估排障指南 | 关于 LaTeX 公式解析
这是大模型评估排障指南系列第二篇，聚焦 LaTeX 公式解析。评估难点是解析和比较模型输出与标准答案，无标准方法。lm - evaluation 框架用 sympy 解析准确率约 0.94，还给出缓解问题办法。
这篇超有用！手把手教你搭建 AI 产品 Evals
文章指出AI下半场模型评估比训练更重要，做好Evals是当下AI产品开发刚需。介绍了Evals重要性、三种方法、通用评估标准等，还教你从零构建Evals及设计注意事项，助你快速上手评估。
谷歌 Java 代理开发工具包新增 LangChain4j 集成
谷歌 Java 代理开发工具包（ADK）0.2.0 版本集成了 LangChain4j，显著扩展功能，让开发者能使用更多模型。谷歌开发者 Guillaume Laforge 解释其优势，ADK 还引入系列增强提升性能。
为什么大模型会产生幻觉？OpenAI最新研究终于搞清楚了
OpenAI发布研究论文剖析LLM幻觉根源，指出当前主流训练与评估体系是核心驱动因素之一。现行评估奖励猜测行为，幻觉起源于预训练的‘下一词预测’，论文还澄清五大误区，建议改革评估体系。
OpenAI深夜开源HealthBench，60个国家合力开发5000段真实对话
今天凌晨1点30，OpenAI开源医疗大模型测试评估集HealthBench。其5000段核心测试对话由60个国家/地区的262名医生打造，采用多轮对话测试。测试显示大模型在医疗保健领域表现显著提升，还介绍了其构建及评估等情况。