#评估
Agent Eval 系统构建指南：概念、评估方法与落地路线
如果你在做 AI Agent，迟早会遇到一个的问题：用户说“这个版本好像变差了”，但你很难说清楚到底差在哪里。
是模型能力退步了？Prompt 改坏了？工具调用路径变长了？某个边界 case 被破坏了？还是只是一次随…
GLM-5.2 实测评估：DeepSeek 之上的复杂执行层模型，海外社区真实反馈
GLM-5.2 在海外 AI 圈子里突然很热。很多人说它很强，甚至有人拿来和 Claude、GPT 的顶级模型比较。国内模型每次发布都容易被质疑"是不是又在刷榜"，所以这次没有只看官方宣传，而是翻了一圈海外用户的真实反馈：Hacker Ne…
LangChain Deep Agent 全流程评估方案：解决 Agent 上线前的核心痛点
LangChain 创始人 Harrison Chase 联合 AWS 发布了基于 LangSmith 的 Deep Agent 全流程评估方案
整套方案针对 Agent 落地的核心痛点——Agent 是非确定性的多…
LMArena AI：AI模型评估平台，AI大语言模型对战评测平台
LMArena AI，前身为lmsys.org，一个专注于众包AI基准测试的AI模型评估平台，由加州大学伯克利分校SkyLab和LMSYS研究团队打造。类似 V0 或者 Bolt 的平台，区别是你输入一个需求后会有两个模型给出代码并且会把…
Solva：AI保险索赔平台，AI代理可进行索赔审核、欺诈检测、提供可审计的决策支持
Solva是一个专为保险公司和保险经纪公司设计的AI驱动平台，用于自动化理赔处理流程。它通过AI代理评估理赔、检测漏赔和欺诈行为，并消除重复性的人工任务，从而实现无缝的理赔流程，并最终提高综合比率。
Solva功能
AI理赔评估：Sol…
MagicJobs：AI简历优化，AI简历评估，为求职者提供精准、个性化的简历修改建议
MagicJobs是AI简历优化平台，通过精准解析职位描述(JD)，提取关键要求和技能，根据信息优化求职者的简历内容，提升简历与职位的匹配度，提高求职者获得面试机会的概率。 核心功能包括智能JD解析、精准匹配度分析、AI智能优化、专业优化…