CURATED EVERY SUNDAY
发现下一代
Evaluation
每周从新发布的研究中，筛出真正值得关注的 Benchmark 与 Dataset，并提炼可以迁移到自研评测中的设计方法。
CURRENT ISSUEW4209 PICKS / 08 FIELDS
不是论文列表，
是可复用的评测洞察。
我们关注的不只是“发布了什么”，更是新的评测如何定义任务、构造数据、验证结果，以及它代表了怎样的研究趋势。
01搜集
覆盖 Agent、Coding、多模态、具身与模型评估等重点方向。
02筛选
优先选择任务真实、验证明确、设计有创新的公开项目。
03提炼
保留“为什么值得关注”与“可以如何借鉴”两类核心判断。
02 / LATEST
第 10 期已经发布
2026.10.12 — 10.18 · 9 项精选
AgentDataset具身智能多模态 AgentCoding Agent多模态模型评测Tool Agent
进入本周内容 ↗