智能体评测体系加速构建：为Agent能力做全面体检
面向智能体的新一代评测基准密集发布，从任务执行等多维度衡量Agent能力。
搜索: 评测
搜索 "评测"，共找到 5 条结果
智能体安全治理成焦点：为自主行动的AI系好安全带
面向AI智能体的安全评测与对齐治理方案密集发布，红队测试与护栏机制受重视。
谷歌推出全球首个双盲AI评估技术，保障评测公正性
谷歌推出全球首个双盲AI评估技术，基于加密环境保障基准测试公正性。
Apple iPhone 17 Pro本地AI性能排名：8GB以内端侧AI评测
Artificial Analysis公布iPhone 17 Pro在8GB以内内存下的本地AI性能排名。
评测风向变了：Agent能力成为大模型新的能力标尺
大模型的衡量标准正从知识问答转向Agent能力，评测基准迁移到DeepSWE、Terminal-Bench等终端任务。厂商叙事从通用智能转向Agent能力，多智能体协作成为下一个前沿方向。