「Agent评测」共找到 3152 篇相关文章
vivo发布端侧多模态模型，只有3B可理解GUI界面，20项评测表现亮眼
vivo AI Lab发布端侧多模态模型BlueLM - 2.5 - 3B，融合文本与图文能力，支持长短思考模式切换。它在20余项评测中表现出色，参数量小，训练和推理成本低，有精巧结构、高效策略，还有高质量数据和高性能平台支撑。
从「记忆解题」到「深度推理」：港科大推出首个本科数学动态评测基准 UGMathBench
港科大团队发表在 ICLR 2025 的研究 UGMathBench，是首个本科数学动态评测体系。它涵盖 16 个学科领域，通过变量扰动创建多版本试题，引入创新指标评估模型推理能力，测试结果揭示了当前模型短板。
EMNLP 2025 | T2R-bench: 业内「首个」工业级表格生成报告评测基准
中国电信人工智能研究院推出业内首个面向真实工业场景的“表格到报告”基准T2R-bench，涵盖多领域真实表格、问题与人工标注关键点，配套创新性三维度评测体系。实验显示主流大模型在该任务上表现欠佳，提升空间大。
性能逼近闭源最强，通义实验室开源Mobile-Agent-v3刷新10项GUI基准SOTA
通义实验室开源 Mobile-Agent-v3，覆盖多平台，7B 超同类开源，32B 挑战闭源强手。它有基于云环境的全链路开源方案、全栈 GUI 能力构建和可扩展环境强化学习体系，降低部署开销。
让Agent画思维导图稳固长期记忆：新框架实现稳定长期学习，准确率提升38%
中国电信人工智能研究院研究团队提出TeleMem框架，从数据结构层重新设计Agent记忆组织方式，使记忆可检索、累积、回溯和演化。该框架解决了传统RAG在长期记忆管理和持续学习方面的瓶颈，准确率提升38%。
厉害了，智谱造了全球首个手机通用Agent！人人免费，APP甚至直接操控云电脑
智谱发布全球首个手机通用Agent AutoGLM，免费且人人可用。它可在云端执行任务，不占本地资源，还能操控云电脑。能集成到多种载体，上线移动端API申请通道及开发者生态共建计划。
未来已来：a16z 描绘Agent时代的开发者工作流（内含 9 大关键模式）
知名风投机构 a16z 发布 Insight，认为开发者将 AI 作为构建软件新基石，传统开发范式因 AI Agent 参与而变革。其识别出九个新兴开发者模式，预示 AI 时代开发工作新图景。
Nathan Lambert：GLM-5.2是开源Agent重大突破，连锁反应将渗透进更广泛的经济体
开源AI观察者Nathan Lambert称GLM - 5.2能做顶尖付费AI才能做的事，是开源Agent重大突破。其表现超预期，是首个在编程框架中用着‘手感极佳’的开放权重模型，将给闭源模型带来价格压力。
裸辞北大博士带17个Agent，49天造出全球首个AI开放世界！成本仅5000
北大文科博士刘耕带17个Agent，49天、5000元成本、30万行代码造出全球首个AI开放世界Elseland。其玩法、世界、创造都具开放性，刘耕逆风突围，开发效率大幅提升。
一位资深 Builder的自述：我如何借多 Agent 开发工作流，一周做出 MVP、一个月上线
资深Builder手工川分享开发经验，他99%代码由AI完成，认为需求、产品判断等比技术重要，爱生活易发现大众需求，还介绍了开发流程、多Agent协作难题及YODA开发工具等。