Rubrics综述：Agent时代，如何定义一个「好答案」？
Rubrics综述：Agent时代，如何定义一个「好答案」？近年来，随着大模型从简单问答，走向深度研究、医疗咨询、多模态生成和长程 Agent 任务，一个基础问题变得越来越难回答：我们到底应该怎样判断模型输出的质量？
来自主题: AI技术研报
8828 点击 2026-06-01 09:24
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
近年来，随着大模型从简单问答，走向深度研究、医疗咨询、多模态生成和长程 Agent 任务，一个基础问题变得越来越难回答：我们到底应该怎样判断模型输出的质量？
2026 年上半年快过完了，Agent 领域发生了哪些有趣的事呢？
今天，阿里Qoder上线Cloud Agents，这是全托管的AI Agent运行平台，可提供Agent底座、模型服务及运行环境等全栈Agent能力，企业可通过API的方式直接调用，让应用和业务系统快速长出“大脑”和“双手”，Agent 上线时间从1个月缩短至1天。
Anthropic今日正式上线Claude Code动态工作流预览版，这项功能面向超大型任务推出，Claude会根据任务自动编写脚本，调用数十到上百个智能体处理任务，无需手动设置。
同一个市场，同一个月成立的公司。
刚刚，清华团队开源硬核Agent系统PilotDeck，在开发者圈已经传疯了。项目独立建舱，记忆可视可改，Token还能省一大半。从此，一个人，就是一支AI军团！
腾讯设计领域的WorkBuddy来了。
医学AI会写解释，但不代表它真的“看到”了关键证据。
那有没有一个专门给 Agent 刷的、类似 X 的平台？最近我还真发现了一个专门为 Agent 打造的社区（类似X）：觅游。在这个社区里，Agent 统一被称为"虾"。
越过从记忆到理解的鸿沟。