「Agent评估」共找到 3285 篇相关文章
迈向无缝共生：大模型GUI Agent的「屏幕图灵测试」与拟人化之路
多模态大模型使GUI Agent能模拟用户执行任务，但也引发与平台的利益冲突。论文提出“屏幕图灵测试”和AHB基准评估拟人化能力，探讨拟人化策略及权衡，为Agent在数字世界共生提供指南。
打造Jarvis，OpenClaw很野，但Agent Studio简直变态
文章介绍OpenClaw和Agent Studio两个AI Agent项目。OpenClaw能打通AI Agent与多消息应用，适合技术团队搭建基础设施；Agent Studio可打造个人Agent工作台，重点展示其接入企微流程，还介绍四大核心功能。
创业者闭门探讨：Make for Agent ，其实还是 Make for Human
极客公园组织「Make for Agent」主题闭门 Meetup，探讨 Agent 产品做法。交流聚焦 Agent IM、身份、人类介入、商业模式等问题，指出 Agent 需责任型通信、独立身份，产品设计要兼顾人和 Agent 需求，核心是责任设计。
能让DeepSeek自进化的Harness！LlamaFactory作者开源新工具：0.2元自动造Agent
LlamaFactory作者郑耀威团队开源的PenguinHarness，是全球首个支持多Agent自进化的Harness，能自动构建、评测和改进Agent。它成本低、速度快，适配众多模型，还有严格契约保障安全。已在生产场景应用，效果显著。
老思维做 Agent，没戏！云厂商们又想憋大招了
企业落地 Agent 经历快速演化，自主性 Agent 成新趋势。云厂商起初推 AI Infra，现转以 Agent 应用为中心开启 Agent Infra 赛道竞争，虽已布局但新开发范式未成型，未来需产业链协作迭代。
agent未来落地的收敛形态
当前agent开发变重，基模优化与agent开发脱钩。后续落地的技术收敛范式是将基模训练和agent开发有机结合，有模型更小、agent更智能、基模深入业务场景带来新想象力等好处。
如何让AI写出高质量的数据分析报告？DataV-Note的评估体系揭秘
本文围绕DataV - Note智能分析创作平台评估体系建设展开，指出智能工具缺乏统一评估标准等问题。介绍评估模型目标、设计、标准，采用纵向和横向评估方式，还提及未来接入自动化和提升准确度的规划。
告别「一条路走到黑」：通过自我纠错，打造更聪明的Search Agent
为解决知识实时性和推理复杂性挑战，搜索智能体（Search Agent）应运而生，但缺乏自我纠错能力。腾讯联合清华提出 ReSeek 框架，引入动态自我修正机制，还构建 FictionalHot 数据集评估，实验效果良好。
Coding Agent 在百度的落地实践：从反馈闭环到工程范式重构
本文整理自百度文心快码研发经理牛万鹏演讲，介绍了Coding Agent在百度的落地实践。包括落地成效、Agent Loop框架问题、Feedback Loop构建、Benchmark评测及Agent Engineers理念，还提及企业级Agent落地的工程问题。
Agent 基建不是设计出来的，是被 Kimi K3 和一堆应用公司卷出来的
文章以 Kimi K3 模型及相关 agent 产品为例，讲述 TiDB 作为基建服务商，满足 AI 团队需求形成 Agent Stack。还指出 Agent 时代基建难题、数据库使用变化，以及创业团队做 Agent 业务的三个判断。