「自动化评估工具」共找到 2868 篇相关文章
腾讯AI Lab 提出解耦推理新框架，破解IMO 数学难题
腾讯AI Lab梁振文和宋林峰提出“解耦推理与证明”框架，解决当前大语言模型在自动化定理证明领域“思考”与“证明”能力失衡问题，成功解决5道IMO难题并开源成果。
R1时代，RAG-Retrieval技术总结与展望~
RAG - Retrieval提供全链路RAG检索模型微调、推理及蒸馏代码，支持多模型、多loss和训练方式。还发布模型技术报告，设计评估框架，未来探索RL在检索领域应用。
DeepSeek-OCR是「长文本理解」未来方向？中科院新基准VTCBench给出答案
DeepSeek - OCR的VTC技术可实现高压缩率，降低长文本处理成本。但视觉语言模型能否理解压缩信息存疑，中科院等推出VTCBench评估，测试模型认知极限，还推出VTCBench - Wild检测鲁棒性。
一文搞懂 Agents 评测丨Anthropic 最新万字长文
传统模型评测方法难评估 Agent 系统，Anthropic 摸索出有效评测设计方法。文章介绍评测结构、意义、方法，涵盖编程、对话等 Agent 评测，还给出打造评测路线图及与其他方法结合的建议。
这款开源AI卡片笔记，让我果断卸载了Obsidian！
开源君推荐开源项目Blinko，它是自托管、AI驱动的个人笔记工具，主打“快”与“智能”，将RAG技术和LLM能力融入笔记管理，数据自主可控，适合注重数据安全和知识管理的人。
52个人用AI做PPT，年赚7个亿
在2025年，硅谷AI公司多“烧钱换增长”，Gamma却靠一款AI PPT工具，52人年入上亿美元，估值达21亿美元。它曾遇困境，后借AI逆袭，还分享独特运营哲学。
ICCV 2025 | UniOcc: 自动驾驶占用预测与推理统一数据集及基准平台
来自多所高校团队在ICCV 2025发表统一基准框架UniOcc，融合多源数据，有体素级运动流标注等创新，提出免真值评估指标，支持协同预测，已开源，能推动自动驾驶迈向新阶段。
实测丨HeyGen开源HyperFrames，让AI Agent用HTML做视频
复杂视频剪辑工具对非专业人士和AI Agent不友好，HeyGen开源的HyperFrames是视频渲染框架，可让AI Agent用HTML做视频。该项目更新频繁，有HTML原生、为AI设计等特点，文末附项目链接。
我的Agent系统设计思路
作者介绍内容生产系统newtype OS，以写Newsletter为例展示其运作，包括主Agent Chief的工作流程，如获取文档、制定大纲、分配任务等，还阐述使用AI工具的思路，后续将添加自我总结模块。
优步凭借 CacheFront 的改进实现每秒 1.5 亿次的读取操作
优步工程师更新 CacheFront 架构，实现每秒 1.5 亿次读取操作且确保强一致性。解决了旧设计中陈旧数据读取问题，引入新协议和机制，弃用专用 API，还增强监控工具，提高缓存命中率。