「评估范式」共找到 1649 篇相关文章
多智能体在「燃烧」Token！Anthropic公开发现的一切
Anthropic发布多智能体研究系统构建解释，解决多智能体研究困惑。多智能体系统优势明显，在特定任务中表现出色，但token消耗大。其架构独特，还介绍了提示词工程、评估方法、面临的工程挑战等内容。
Auto Research时代，AI Scientist的第一场药企实习考验｜甲子光年
AI Scientist从大模型做题家进化为自动化科研助手，但从demo到应用面临买单难题。Phylo等团队构建BiomniBench评估框架，让AI做药企真实数据分析，结果显示AI表现超人类实习生，且有速度和成本优势，但也存在偏科问题。
2026年最火的AI机遇，为什么是「OPC」？
2025年末北京颁发首个OPC服务计划，中关村AI北纬社区打造OPC先行示范高地。OPC以一人带AI Agent跑通公司全流程，2026年将因边际成本崩塌、交互范式转移而爆发，文中还拆解5个顶级OPC样本并给出工具栈。
4万星开源项目被指造假！MemGPT作者开撕Mem0：为营销随便造数据，净搞没有意义的测试！
高人气开源智能体记忆项目Mem0在论文中称在LOCOMO上打败所有人，MemGPT联合创始人公开指控其测试无意义、数据造假。二者都为解决大模型长期记忆问题，Letta认为能力比工具重要，并给出评估智能体记忆能力的方法。
前端工程化演进之路：从手工作坊到AI驱动的智能化开发
本文回顾前端开发从jQuery到AI的变革，剖析工程化演进、性能优化进化，展示AI与前端深度融合新范式。还预测未来趋势，为开发者提供成长路径指导，强调工程化、性能优化、AI应用及持续学习的重要性。
每个人的AI科学助手！全球首个通用科学智能体来了，全网资源+1.7亿学术文献让科研效率狂飙
全球首个通用科研智能体SciMaster在WAIC亮相，由上海交大与深势科技共同发布。它能结合全网资源和1.7亿科学文献，有深度调研等功能，免费且可用于工作生活多方面，还将重塑科研范式。
万字硬核解读SAM 3：不止分割一切，它开始理解世界了
Meta的SAM 3能理解语义，实现可提示概念分割。它支持开放词汇、全实例分割等，架构有创新，数据引擎高效。评估显示其性能优异，与MLLM结合成SAM 3 Agent后推理分割能力强，但在专业领域和复杂场景有局限。
黄仁勋手撕「AI泡沫」论！英伟达570亿铁拳暴击，显卡全断货
英伟达Q3 2026财报显示单季度营收达570亿美元，数据中心业务同比狂涨66%。黄仁勋称AI不是泡沫，而是计算范式从通用CPU转向加速式GPU计算的必然。当前多数AI公司估值高、收入低，英伟达作为‘卖铲人’大获全胜。
医疗幻觉率比DeepSeek低3倍，百川循证增强大模型横扫全球医学考试！
百川智能发布首个循证增强医疗大模型Baichuan - M2 Plus，将循证医学理念融入训练和推理，首创六源循证范式。其在多场景评测中幻觉率低，多国医考成绩优异，已上线百小应APP并开放API。
从社区数据出发，再看大模型开源开发生态全景与趋势
蚂蚁开源先后在527蚂蚁技术日和外滩大会发布大模型开发生态开源项目全景图1.0和2.0版本。2.0版更新评估方法，呈现生态新变化，还分析技术趋势、开发者分布，提及项目进出情况及TensorFlow衰落等。