1 published article
AI研究
Hugging Face的两篇新论文从相反的方向着手解决同一个核心问题：如何让AI智能体可靠地评估自身行为。AJ-Bench构建了一个针对环境感知型评判智能体的基准测试，而HeavySkill则认为最好的评判者存在于模型参数内部。
2026-07-17