搜索[智能体评测基准]结果-低调大师优秀个人博客

精选列表

搜索[智能体评测基准]，共10000篇文章

华为发布智能体，携手伙伴共建全场景智慧

客户和伙伴可以基于智能体打造自己的智能方案，使能千行百业智能升级，共建全场景智慧。

2020-09-24

从 LLM 评测到 AI Agent 评测，我的一些思考！

GPT、Claude、Gemini、GLM、DeepSeek、KIMI、Qwen……各家厂商每隔一两个月就发布新模型，声称在各项基准测试上「刷新纪录」。

2026-07-24

Deno 1.3.2 发布，将基准移至 Rust

url)：添加缺少的部分 fix(url)：不要在非特殊查询字符串中编码"'" fix(web)：在TextDecoder.decode() 中的无效输入类型上引发 TypeError build：将基准移至

2020-08-30

使用JMH做Java微基准测试

使用JMH做Java微基准测试在使用Java编程过程中，我们对于一些代码调用的细节有多种编写方式，但是不确定它们性能时，往往采用重复多次计数的方式来解决。

2018-01-09

Yahoo的流计算引擎基准测试

免责声明：2015年12月17日的数据，数据团队已经给我们指出，我们不小心在Flink基准测试中留下的一些调试代码。所以Flink基准测试应该不能直接与Storm和Spark比较。

2017-05-18

AI 智能体抱团失控背后：多智能体系统的成本与失控防护

2026 年下半年，多智能体系统连续出现"失控"案例：一批本应隔离的智能体自建通信渠道协同入侵平台；智能体劫持公开协作维基、偷建地下论坛互传绕过限制的方法；实验室里多个智能体在无指令下达成价格合谋。

2026-09-21

智能体时代“新全栈” 让百度智能云跑出增长曲线

中国AI正从模型竞赛转向任务竞赛，百度智能云以“芯云模体”全栈协同推动智能体落地，并将技术积累转化为持续增长。

2026-07-21

国家标准 GB/Z 185《人工智能智能体互联》到底讲了什么？

2026年7月3日，我国正式发布《人工智能智能体互联》系列7项国家标准（标准编号GB/Z185—2026），这是国内首套覆盖智能体全生命周期互联互通的国家级标准体系。

2026-07-08

技术日报｜多智能体金融交易框架 TradingAgents 夺冠突破 6.2 万星，Claude 智能体编排平台 ruflo 强势入榜

🌟 TrendForge 每日精选 - 发现最具潜力的开源项目 📊 今日共收录 8 个热门项目 🌐 智能中文翻译版 - 项目描述已自动翻译，便于理解 🏆 今日最热项目 Top

2026-05-03

Agent 评测报告模板

【填写说明：明确本次评测核心目标，例如验证新版本工具调用优化效果、评估端到端任务达标率、对比两个模型版本的能力差异、排查线上失败案例根因】

2026-09-08

评测凭什么成为模型护城河：Agent评测的跨厂机制分析

头部实验室正在像竞争模型一样竞争#智能体评测。OpenAI 停用了自家研究员发明的基准，审计发现训练语料里已经包含答案。Anthropic 把智能体评测方法论写成工程文档公开发布，设专职评测团队。

2026-08-10

Java全栈与Python智能体融合：构建智能代码生成助手的技术实践

在AI原生应用时代，单一技术栈已无法兼顾企业级稳定性与AI生态敏捷性。Java生态拥有成熟的Spring Cloud、高并发线程模型和丰富的中间件，而Python则是AI/LLM工具链（PyTorch、Transformers、LangChain）的第一语言。

2026-08-29

【AI 智能运维平台】本周更新：React Agent 智能体升级，支持 Loop 循环能力

Syslog、SNMP Trap 上报节点调整为云区域 IP • 优化 Docker 日志分析视图，提升日志查看与分析体验 🤖 OpsPilot • React Agent 智能体升级

2026-05-15

【AI 智能运维平台】本周更新：内置AI巡检智能体，简单配置快速使用

Blueking Lite 是一个AI First的轻量版运维产品，具有部署资源要求低、使用成本低、渐进式体验等特点，为运维管理员提供日常运维中的必备工具。 📢 【平台 · 本周更新速递】 🔧 CMDB 1. 新增 Postgres 与 Docker 资产采集能力 2. 支持直接在模型分组下新增模型，优化交互体验 3. 修复配置采集agent端依赖包等版本兼容性问题 📊 监控系统 1. 强化监控策略页面体验，加入指标预览、引用变量等功能 2. 优化监控视图列表中的关键指标展示效果 📌日志系统 1. 更新Vector采集组件，兼容所有Linux发行版（感谢群友 @一路有你提供方案） 🤖 OpsPilot 1. 内置 PostgresDB 巡检助手、K8s巡检助手、Web应用巡检助手，调整配置即可使用（配置指引下周更新到官网） 2. 优化知识库的训练流程与交互反馈，并完善 OCR 模型权限引导，提升整体使用体验 3. 修复工作台的企微通知异常、节点运行异常等问题

2026-01-23

微软构建开放智能体网络，以 AI 智能体重塑企业竞争力

）通信协议，为开发者构建多智能体应用提供底层支持。

2025-05-26

aipy 智能体学习2:源码运行执行轨径主干

项目的命令入口在 pyproject.toml，对应 aipyapp._main:main；总入口在 aipyapp/_main.py。参数解析更新版本同步配置初始化配置获取main get_aipy_main里，默认进入cli_task里的main打印Logo初始化显示效果管理器初始化任务管理器检查更新检查LLM配置获取执行命令获取运行任务的 JSON 文件路径从 JSON 文件加载任务或创建新任务运行命令任务完成（保存等）运行交互式控制台

2026-10-08

智能体关键能力：LLM Evals 与生产级评估体系

企业里把 LLM 和 Agent 真正用起来，最难的从来不是把它跑通。最难的是回答两个朴素的问题：它现在到底行不行，以及我改完之后有没有变差。确定性软件能用单元测试加覆盖率把这两个问题答得明明白白。LLM 是概率系统，输出是开放文本，行为依赖 prompt、上下文、工具返回，甚至同一份输入两次采样都能给出不一样的答案。这里没有 oracle，没有"期望输出"可以硬编码。Evals 本质是给这套非确定性系统造一把可重复的标尺。

2026-10-04

SmartCall v1.0.6 发布，智能体新增用户画像设置

📖 项目简介 SmartCall 是一套基于 AI 大模型 + Asterisk 通信引擎构建的新一代智能客服呼叫中心系统。

2026-09-27

智能体在财务领域的应用场景有哪些？

TL;DR：财务智能体的应用场景已从发票审核、银企对账等基础操作，快速延伸到资金预测、归因分析、智能风控等决策支持领域。

2026-09-24

Agent Loop + Graph Engineer 工程：用图编排智能体循

这个循环用 while 就能写。但问题在于：分支一多，代码变成意大利面；调试时不知道哪一步出错；想加人类审批，得改遍整个循环。

2026-09-22

资源下载

更多资源

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题，腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构，目前腾讯云软件源站支持公网访问和内网访问。

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。Sublime Text 的主要功能包括：拼写检查，书签，完整的 Python API ， Goto 功能，即时项目切换，多选择，多窗口等等。Sublime Text 是一个跨平台的编辑器，同时支持Windows、Linux、Mac OS X等操作系统。