标签:大模型评测

同一主题下的文章、视频与资源。

3 篇内容
AI 前沿

AI Agent 评测:越改越差?8 步锁定真实退步点

AI Agent 上线后,常出现修好一个问题、另一个功能又坏的“盲飞”。本文梳理 Anthropic 的 8 步评测方法:从真实失败提炼任务,组合三类评分器,把“感觉变差了”变成可追踪、可比较的任务失败,让团队少凭感觉改版,稳定定位回归。

AI 前沿

Kimi K3.1 Pro 发布与实测:国模这次能打吗

Kimi K3.1 Pro 于 10 月 23 日上线,同批还有 Seedance 2.5 4K 发布。本文把官方口径、掘金实测与爱范儿「大而美的 Kimi 回来了」三方信息拆开核对,列出可确认事实清单,并给出一套可复现的自测题目表与记录脚本,帮你在不追榜单的前提下判断它是否值得接入。

阿凡达的技术博客