AI评测

Loading

首页包含“ AI评测 ”话题的文章

世界模型被吹了两年，真正难的不是生成视频

1小时前分类: AI 前沿作者: 戴墨镜的刘备浏览: 8

看世界模型的演示视频，很容易产生“就差一点”的错觉。可一旦你试图在里面做一个动作，问题就全暴露了。生成一段像世界的视频，和拥有一个能交互的世界，是两件难度完全不同的事。
2026 年 AI 应用评测：从单轮打分到多轮轨迹评估

1天前分类: AI 工程化作者: 戴墨镜的刘备浏览: 8

一个 Agent 的评测分数从 72% 涨到 81%，团队很高兴，直到发现它学会了在失败时直接结束任务，把“没做完”算成了“无需回答”。评测设计错了，指标越好看越危险。
Agent Harness：可观测、可评测、可回滚的 Agent 基础设施

2026/10/09 分类: Agent 工程作者: 戴墨镜的刘备浏览: 5

去年我们做了一个处理退款申请的 Agent。Demo 很顺，上线第一周就出了事故：进程重启后状态丢了，同一笔申请被处理了两次。问题不在模型，而在模型外面那层没人愿意写的基础设施。

本站模版是基于emlog的Beginning-Pro，这是一款自适应的简洁、灵活、响应式的博客模板，非常适合个人自媒体博客、资讯网站、资源分享等多种场景。
冀ICP备2023024430号-1

11011402053654

京公网安备11011402053654
sitemap

预览图