「Coding 基准测试」共找到 2865 篇相关文章
全公司禁用Claude Code，CEO放狠话逼宫A社！
Shopify CEO Tobi Lütke考虑禁止公司使用Claude Code，除非其支持读取AGENTS.md和.agents/skills。Claude Code团队称正在改进，但坚持自有体系。AGENTS.md获众多工具支持，A社是相关基金会创始方，Claude Code却未原生支持。
打造高可靠 AI 助手：Skill 编排、Workflow 设计与 Spec Coding 的深度实践
文章拆解上下文工程五大实践模式，对比 Skill 与 Subagent 差异，介绍 Vibe Coding、Spec Coding。分析使用 Skill 做 AI Coding 的问题，提出 Workflow 概念及解决办法，还说明了工作流使用方法和适用场景。
AgentA/B：用AI模拟用户，真人AB测试或将成为历史
宾夕法尼亚州立大学和亚马逊合作研发AgentA/B测试框架，用大语言模型生成虚拟用户模拟真实行为，成本低、速度快，还能绕开真实流量测试。虽有人质疑，但它或改变传统AB测试。
用了60天Claude Code，我的Vibe Coding终极指南：从0到1的正确打开方式
作者分享使用Claude Code 60天的经验，用多个案例展示其将AI编程从辅助推向自主的能力，还给出Vibe Coding方法论、工作流等，提醒别被工具束缚，技术为人服务。
构建会思考的测试Agent：从自动化到自主智能的演进
文章介绍面向企业级软件测试的质量数字人系统，结合大语言模型等实现从传统到自主智能测试跨越。分析专有云测试困境，指出通用AI Agent平台局限，阐述系统设计、能力及架构，展示应用成果并展望扩展场景与未来计划。
Vibe Coding爆火，YouWare靠「社区+产品思路」突围
AI时代，Vibe Coding兴起，谷歌DeepMind与OpenAI围绕AI Coding人才和技术博弈。YouWare创始人明超平洞察到AI Coding作品分享的断层，以「社区+产品思路」打造平台，在Vibe Coding领域突围。
吴恩达来信：Agentic编程与Agentic软件测试协同合作
在人工智能辅助编程时代，自主代理编程系统虽加快开发速度，但存在不稳定性。自主测试可对比代码与测试，对软件基础设施组件测试有益。吴恩达分享编程智能体问题及测试重点领域。
Hexstrike AI在多个工具及模型上的渗透测试表现
文章围绕Hexstrike AI在多个工具及模型上的渗透测试展开。介绍测试环境，用不同难度靶机测试。分析Claude desktop+Sonnet 4.5、AIaW+Deepseek、Cursor+多个模型等组合表现，指出LLM辅助渗透测试任重道远。
全球首个历史基准！普林复旦打造AI历史助手，AI破圈人文学科
普林斯顿大学AI实验室与复旦大学历史学系联手推出全球首个历史领域评测基准HistBench及AI助手HistAgent。HistBench含414道题，能检验AI深度认知能力；HistAgent集成多种工具，在测试中表现优异。
DeepSeek-OCR是「长文本理解」未来方向吗？中科院新基准给出答案
DeepSeek-OCR的视觉文本压缩技术降低长文本处理成本，中科院自动化所等团队推出VTCBench基准测试评估模型视觉认知，含三大任务及衍生版本，测试结果有‘U型曲线’，还评测多种尖端模型。