OpenAI 开发者博客讲解如何用 Evals 系统化测试 Codex Agent 技能
OpenAI 开发者博客发布教程，讲解如何像测试 LLM 应用一样，用 evals 系统化评估 Codex 的 Agent 技能。核心流程为定义可度量的成功标准、用 $skill-creator 创建技能、以 codex exec -- 捕获 JSONL 轨迹做确定性检查，再用 --output-schema 输出符合评分规则的 JSON 做风格等定性评估。
Agent智能体 大事记
重要进展 IMPORTANT_PROGRESS
2021-12-17 — 2021-12-17
重要进展 · 第 55 / 55 页
WebGPT 研究浏览器辅助问答
WebGPT 在文本浏览器环境中搜索、浏览网页并收集引用，以人类反馈改善长答案。这是语言模型与外部环境交互的重要早期研究，不等于通用自主智能体正式上线。
Agent智能体 精选历史资讯
— · 5 条
精选资讯 · 第 1 / 2 页
精通 Agents
AI Agents 的能力正逼近关键临界点，其性能飞跃已超出传统工作模式的承载范围。这要求从业者必须重新界定工作范畴、重构项目管理流程并革新任务执行策略。从需求规划到交付标准，现有方法论面临全面调整，组织与个人亟需掌握与智能体协作的新范式，以适应这一技术变革带来的深层影响。
AssetOpsBench：弥合AI智能体基准测试与工业现实的差距
IBM Research在Hugging Face发布AssetOpsBench，这是一个工业资产运维的AI智能体基准测试框架。它基于真实场景构建，包含多行业数据集和超1000个运维事件，通过多阶段指标测试智能体的诊断、决策等能力，注重动态适应性、多模态处理和安全推理，以推动AI智能体走向实际工业应用。
分类
排序
暂无内容