「软件评测」共找到 1196 篇相关文章
535B大模型“直播”训练三个月：代码、数据、Loss全公开，吴恩达公开力挺
当多数模型公司还在争论是否开放权重时，斯坦福大学的Marin项目启动535B-A23B模型训练，并公开训练过程。该项目旨在探索基础模型能否像开源软件一样被公开研究和建设，引发关注。
能让DeepSeek自进化的Harness！LlamaFactory作者开源新工具：0.2元自动造Agent
LlamaFactory作者郑耀威团队开源的PenguinHarness，是全球首个支持多Agent自进化的Harness，能自动构建、评测和改进Agent。它成本低、速度快，适配众多模型，还有严格契约保障安全。已在生产场景应用，效果显著。
Qwen3-VL-Seg 深度解读：当多模态大模型学会"像素级精准手术"，仅用0.4%参数碾压8B模型
文章深度解读阿里通义实验室发布的Qwen3-VL-Seg，它解决开放世界指代分割问题，用仅17M参数（占基础模型0.4%）在4B规模超越8B模型。介绍其原理、架构、数据、实验结果，还给出实战代码。
杀疯了！单卡4090跑通全量微调，面壁1B级多模态性能怪兽硬刚大厂
面壁智能推出MiniCPM-V 4.6，参数约1B，性能和推理效率出色。它在多模态任务综合能力、推理速度上领先竞品，靠ViT架构改造和4倍/16倍混合视觉Token压缩实现创新，有工业验证，对开发者和普通用户意义大。
AI 写代码太快，人类测试跟不上了，Meta 用新方法把 bug 检出率提升 4 倍
Meta 用即时（JiT）测试方法提升软件质量，该方法在代码评审期间动态生成测试，在 AI 辅助开发环境中将缺陷检测能力提升约 4 倍，源于代理式工作流兴起及传统测试套件的局限。
OpenSandbox：重新思考 Agent 时代的 Runtime｜QCon 北京
4月16 - 18日QCon全球软件开发大会将在北京举办，聚焦Agentic AI时代软件工程重塑。阿里陶宇田将分享《OpenSandbox：重新思考Agent时代的Runtime》，结合阿里实践解析关键设计与经验，大会还有20多个专题论坛。
ICLR 2026 | LongHorizonUI：让 GUI 智能体不再"半途而废"——面向长链路任务的统一鲁棒自动化框架
近年来，基于多模态大语言模型的GUI智能体在自动化操作上虽有进展，但任务步数超10 - 15步时成功率断崖下跌。研究人员提出LongHorizonUI框架，构建LongGUIBench评测基准，推动GUI自动化在复杂场景落地。
未来两年软件工程展望：从写代码到管 AI，程序员正分化成两种职业
软件行业处于转折点，AI编程发展，企业更重效率。文章探讨五个关键问题决定2026年软件工程走向，如初级开发者招聘或暴跌或反弹，开发者技能可能退化或更关键等。还为不同阶段开发者给出应对建议。
保姆级Clawdbot教程来了，但我还是想劝大家悠着点。
Clawdbot爆火致Mac Mini断货，它是本地高权限的个人AI助理，功能与Claude Code类似，但有接入聊天软件、长期记忆、开源等特点。文章给出安装教程，也提醒因权限高有安全风险，使用要谨慎。
三家中国工博会参展商，在半导体两场革命中改写格局
2025中国工博会首设集成电路展区，超90%为专精特新企业。在CES 2026上，曾参展的中国展商再登场。瑞芯微、新思科技、移远通信携方案突围，参与半导体算力与场景创新两场变革。