「LLM 評估」
19 resultsWallras:為 Cursor MCP 設計的自託管 AI 漂移與迴歸監控代理,免費試用並徵求回饋
產品Cursor Forum (Showcase)
XYBench:評估 AI 助理理解用戶「真正問題」的能力
研究Hugging Face Blog
大型語言模型可直接讀寫神經網路權重:「權重空間編程」開創自主AI研究新紀元
觀點Latent Space
AI 輔助 B2B 潛在客戶篩選與回覆分類引擎:結合 AI 評分與人工審核
AI 自動化n8n Community
大型語言模型評估研究新穎性:可靠性研究揭示挑戰
研究Hugging Face Blog
FairStress:深入探討大型語言模型決策的公平性
研究Hugging Face Blog
AI 驅動的自由接案機會整合系統:n8n、PostgreSQL 與 LLM 的實戰應用
AI 自動化n8n Community
AI 代理聲稱完成任務,資料庫卻不同意:微軟 ThinkingBox 揭露 LLM 代理的可靠性挑戰
商業Hugging Face Blog
BenchMIRT:剖析大型語言模型基準測試的潛在能力
研究Hugging Face Blog
AI 家教何時該出手?TutorMoments 評估大型語言模型輔導的「分寸」
研究Hugging Face Blog
AI 代理進化:從問答機器人到自主工作夥伴
觀點The Decoder
Hugging Face Jobs:一鍵部署 vLLM 伺服器
教學Hugging Face Blog
新創公司Subquadratic聲稱突破大型語言模型瓶頸
產品MIT Technology Review AI
olmo-eval:大型語言模型開發的整合式評估工作台
產品Hugging Face Blog
微軟研究:AI 長期委派任務的可靠性挑戰與展望
研究Microsoft Research
強化代理:推論時回饋機制優化工具呼叫代理
研究Apple Machine Learning Research
LLM 智慧思考:Apple 提出動態調整推理預算新方法
研究Apple Machine Learning Research
大型語言模型產品評估:三步驟加速開發與迭代
產品Eugene Yan
多代理系統故障診斷新突破:自動化歸因方法與基準測試
研究Synced Review