LLM评测失效真相，依赖感知聚合提升准确率9个点 亚马逊研究揭示LLM评测核心缺陷，57.5%用户满意对话实际任务失败。通过引入Ising模型建模裁判相关性，将准确率从0.820提升至0.912，为Agent评... 2026年09月15日 人工智能 #LLM评测 #Agent评测 分享海报
阿里获ACL 2026最佳资源论文奖 近日，在国际计算语言学领域最具权威性的学术会议ACL 2026上，阿里巴巴集团的研究团队凭借其在Deep Research Agent方向的创新成果，荣获最佳资... 2026年07月09日 人工智能 #阿里 #Agent评测 分享海报
