近日，腾讯混元团队联合中国人民大学高瓴人工智能学院等机构，共同推出并开源了 PlanningBench。这是一个旨在评测和训练大语言模型规划能力的可扩展、可验证的数据生成框架。 Planni

在当前人工智能的迅猛发展中，评估智能代理的能力成为了一个重要课题。为此，Agent-as-a-Judge（代理法官）项目应运而生，它不仅是一个技术库，更是一种全新的评估理念。该项目旨在通过智能代理

在當前人工智能的迅猛發展中，評估智能代理的能力成爲了一個重要課題。爲此，Agent-as-a-Judge（代理法官）項目應運而生，它不僅是一個技術庫，更是一種全新的評估理念。該項目旨在通過智能代理