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
9450 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，扣子 3.0 正式上线，扣子手机端 （iOS / Android）、电脑端（Mac OS / Windows）、网页端（coze.cn）三端全量更新。这一次，扣子带来了全新电脑端，扣子 App 也全面升级，我们把 Agent 带进了更完整的工作现场：
前段时间我写了一篇关于美团入局GEO的文章，解读了本地生活未来GEO的布局方向，后续的结果也被我预测到了。就在前几天，美团发布了自己的GEO营销系统：
他叫Yi Tay，是Google DeepMind的研究科学家。去年带着Gemini Deep Think，拿下了IMO国际数学奥林匹克金牌，今年2月Gemini 3 Deep Think的发布，他也是核心贡献者。
大模型从“回答问题”走向“完成任务”，正在面临以下瓶颈：面向Claw Agents的数据、训练和评测都比传统environment training更难。为了解决该问题，中国人民大学、至知研究院等最新提出ClawGym——
本次2026中国AIGC产业峰会上，MiniMax ToB中国区商业化负责人胡维琦，分享了自己在AI创业公司中的实践与思考。与其焦虑AI，不如加入AI。大家不用看营销号，更多的还是自己动手试试。
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。
今天，阿里云百炼核心能力已CLI化 ，仅需一行命令，即可让Agent自动接入阿里云百炼的150多款模型、十多款应用，以及知识库、记忆、联网搜索等全套能力。百炼CLI专为Agent设计，原生支持Clau
就在前两天，斯坦福大学等机构发布了一个名为 GPIC（Giant Permissive Image Corpus，巨型开放图像语料库）的数据集。