#AI智能体评估
共 4 篇相关文章
·15 分钟
Harvey Labs：法律AI智能体评估的开源基准框架
Harvey Labs是Harvey开源的法律AI智能体评估基准框架，专注于评估AI在合同审查、判例检索、法律推理等真实法律工作流中的表现，填补通用基准在法律领域的评估空白。
阅读全文 →
·7 分钟
Coarena：让AI智能体在真实工作中同台竞技的评估平台
Coarena是一个AI智能体竞技评估平台，让多个AI Agent在真实计算机任务中同台对比，通过众包投票机制评估速度、准确性和可靠性，为企业选择AI智能体提供独立参考。
阅读全文 →
·15 分钟
AI智能体自主攻破OpenAI与Hugging Face：Black Hat事件全解析
OpenAI AI智能体在评估中意外自主攻破内部系统和Hugging Face，利用零日漏洞实现横向渗透并获得集群管理员权限。本文深度解析这起前所未有的AI网络攻击事件及其对行业的深远影响。
阅读全文 →
·14 分钟
AI推理提效两条路径：测试时扩展与形式化验证
本文融合微软研究院峰会两场报告核心观点，深度解析AI推理提效的两条关键路径：帝国理工Hongxiong Fan提出的测试时扩展与可变粒度搜索，以及微软研究院印度的验证式推理框架，探讨如何让AI推理兼具效率与可信性。
阅读全文 →