智能体评测 (4 篇主题)
全部标签- Google DeepMind与Artificial Analysis推出MKA基准,评估智能体处理复杂视觉知识工作的能力 vgotu · 2026-11-14
- Google与Artificial Analysis发布MKA基准,评估多模态智能体处理复杂视觉知识工作的能力 vgotu · 2026-11-12
- 研究揭示大语言模型可能出现“追逐评分”行为,智能体评测面临目标错配风险 vgotu · 2026-11-05
- AuditKIT整合大模型与智能体评测,强调结果可比性与证据完整性 vgotu · 2026-10-20
首页