「评估机制」共找到 1533 篇相关文章
大神卡帕西又一构想落地！Claude Code + Obsidian 爆火：创建你的「第二大脑」
2026年4月，Andrej Karpathy提出LLM Wiki，将LLM使用范式推向「知识生产系统」。6月27日，RGK用Claude Code + Obsidian构建“第二大脑系统”，解决记忆、上下文、执行问题，还引入反馈机制、优化Token成本。
ACL 2026 | Spatial-Agent：地图Agent全新概念转换范式
论文 'Spatial-Agent' 提出地理空间问答应建模为 'concept transformation'，引入 GeoFlow Graph 中间表示。它从自然语言问题构建图结构，再映射到工具调用。实验显示其对地图任务有帮助，还指出构建地图类 agent 需稳定数据源等。
这个 Agent Team，终于不是"角色扮演"了
作者测试了 MiniMax 新出的 Agent Team，通过深度研究公司、整理会议逐字稿、做直播数据分析三个测试，展现其优势。指出 Agent Team 核心是对抗式质量门禁，是复杂任务兜底系统，而非简单 prompt 编排。
Turso：用 Rust 重写 SQLite，让数据库跑在每一个边缘节点
Turso用Rust重写SQLite内核，解决其单写者限制和缺乏网络同步能力的短板。它有嵌入式副本、边缘同步和向量搜索等特性，适用于AI Agent、多租户SaaS等场景，与竞品相比优势独特。
RL特训出「押题大师」？破解模型微调中的多样性危机与灾难性遗忘
近年来，基于可验证奖励的强化学习（RLVR）成为提升大语言模型推理能力的重要路径，但许多经RL微调的模型出现‘越训越单一’问题。复旦大学等团队聚焦长期被忽视的KL散度项，提出DPH - RL方法，可缓解多样性坍塌。
硅谷“甄嬛传”第二季！Ilya 与 Amodei 把 Sam Altman 再次推上审判席
纽约客最新报道重提 2023 年 OpenAI 董事会政变旧案，指出诸多悬而未决问题，如董事赶走 Sam Altman 的原因、科学家 Ilya 态度转变等，揭示 OpenAI 在安全与治理方面的裂缝及 AI 权力集中缺乏约束的困境。
多智能体编排太繁琐？MASFactory用Vibe Graphing直接「话」出来了
多智能体系统编排当前较为繁琐，北京邮电大学开源 MASFactory 框架，提出以图为中心架构和 Vibe Graphing 开发范式，将开发推向自然语言驱动时代，系统评估显示其效果良好。
Harness Engineering 实践：Fitness Function 如何成为 AI 交付的防腐层
文章探讨 Harness Engineering 实践中，Fitness Function 如何成为 AI 交付防腐层。指出在 AI Agent 参与开发时，判断任务完成是难题，介绍 Routa 项目构建 Fitness 架构及规则执行等实践。
不增加人手，项目效率飙升45%，OpenAI公开了一套AI实战经验
OpenAI公开基于大语言模型和专属Skill包的开源仓库维护方法论，将重复工作自动化，使项目代码合并吞吐量飙升45%。该方法由AGENTS.md、Skill包和GitHub Actions构成，还涉及任务分配、验证策略等。
IMO题库“过时”了！OpenAI内部模型挑战最新First Proof，做了7天错了一半
谷歌发布Gemini 3 Deep Think爆火后，OpenAI用未发布内部模型，一周内尝试解答10道来自数学家科研现场的真实问题，5道基本正确。这些题取自真实研究，切断模型“背答案”可能，意味着自主推理能力进化。