Eval是人工智能领域用于评估模型性能和智能体能力的系统性方法，已成为AI开发和部署过程中的关键环节。近期，随着AI应用的爆发式增长，Eval工具和方法正经历快速迭代和专业化发展。
Eval
general · 首次出现 2026-05-22 · 最近出现 2026-10-22 · 累计提及 210
综述
相关报道
10 条在档- Anyscale 推出 LLM 生产化培训课程，涵盖 SkyRL 强化学习实战Anyscale
- FairAMO 评估协议揭示智能体时序模型编排收益有限arXiv cs.AI
- Terminal X 用 GPT-6.1 让评估 Agent 达到 88.6% 高级投资人一致率OpenAI Blog
- CoreWeave 推出 Forge：把 trace 和 eval 连在一个界面里排查 Agent 问题CoreWeave
- LangChain：Agent 评测统一走真实 Agent 图结构LangChain
- 论文提出 PhysRSI-eval：五轴量化 VLM 智能体的物理递归自我改进能力arXiv cs.AI
- Addy Osmani 谈 Agent 时代代码审查的重构shao__meng
- Mistral开源Timestral：多元时间序列预测基础模型Gorden Sun
- Mistral 发布 Timestral 时序预测模型，209M 参数超越 Google TimesFM-3marktechpost
- 集体模型智能新论文：用 Model Eval、Mio、Mos 协调多模型协作arXiv cs.AI