LangChain BlogT1·智能体与协同
45 分
Stagehand 团队介绍了针对深度智能体的浏览器使用优化工具链。文章强调通过追踪智能体行为、迭代更新测试框架并配合评估来降低执行成本,而非单纯依赖模型能力。该实践为构建高效自主网页操作智能体提供了工程化参考。
Evals
用于量化测试模型性能、准确性和安全性的标准化流程
Stagehand 团队介绍了针对深度智能体的浏览器使用优化工具链。文章强调通过追踪智能体行为、迭代更新测试框架并配合评估来降低执行成本,而非单纯依赖模型能力。该实践为构建高效自主网页操作智能体提供了工程化参考。
Secludy 推出免费开源目录“Who Sells Data”,详细列出了 159 家向 AI 开发者出售训练数据、强化学习环境及评估服务的公司,并附带 38 个旨在从企业获取真实办公记录的数据变现计划。该目录强调事实溯源与透明度,对未确认信息明确标记而非猜测,为安全审查和模型评估提供了可验证的行业基准参考。
OpenAI 推出 AgentKit,旨在解决智能体开发中工具碎片化问题,提供可视化工作流构建、连接器管理及嵌入式 UI 组件。该套件整合了 Evals 和 RFT(强化微调)功能,允许开发者通过标准 API 定价使用全套工具,并计划后续推出独立 Workflows API。值得注意的是,官方已预告将于 2026 年逐步停用旧的 Agent Builder 和 Evals 产品,引导用户迁移至新架构或 ChatGPT Workspace Agents。
OpenAI 宣布推出 Pioneers 计划,旨在通过与高影响力垂直领域的初创公司合作,共同开发行业特定的评估基准(Evals)并优化推理模型的微调效果。该计划聚焦于法律、金融、医疗等场景,由 OpenAI 研究人员直接支持合作伙伴建立衡量 AI 实际表现的标准及提升模型在特定任务中的性能。目前处于早期招募阶段,主要面向具备明确应用场景的初创企业。