「评估工程」共找到 1392 篇相关文章
字节开源图像生成“六边形战士”，一个模型搞定人物/主体/风格保持
字节UXO团队设计并开源统一框架USO，解决图像生成多指标一致性问题。它能统一看似孤立任务，实现单任务和组合任务的SOTA，弥补了主体保持和风格迁移短板，性能领先，还采用新范式及算法。
MetaGPT 用户智能体发布，开启端到端自主软件测试新范式！
当前AI软件领域代码生成智能化发展快，但测试验收仍靠手动，效率低。MetaGPT推出用户智能体，研究团队发布RealDevWorld框架和AppEvalPilot实现端到端自动化评测，解决复杂软件质量评估难题。
EMNLP2025 | 揭开LLM训练数据中的中文污染真相，有比“您好”高2.6倍的token？
近年来，大型语言模型虽成功，但训练数据易混入不良内容。论文《Speculating LLMs' Chinese Training Data Pollution from Their Tokens》探索此问题，定义PoC Token，开发PoCDetect和PoCTrace工具，揭示LLMs训练数据污染情况。
最新研究揭示视觉模型与人脑的对齐机制
FAIR与巴黎高等师范学院通过训练自监督视觉Transformer模型（DINOv3），评估脑 - 模型相似性。发现模型大小、训练数据量和图像类型影响相似度，DINOv3学到的表征会逐步与人脑一致。
Cloudflare 如何将 Quicksilver 迁移到多级缓存并处理数十亿个请求
Cloudflare 工程团队分享将全局键值存储 Quicksilver 过渡到分层缓存架构的故事。从 V1 到 V2 迁移，采用多级缓存策略，解决存储、一致性等问题，提升性能，多数请求可在短时间内响应。
一觉醒来，GitHub没了？CEO辞职，微软接管，开发者天塌了
GitHub CEO Thomas Dohmke宣布辞职，GitHub将不再独立运营，整体并入微软新成立的CoreAI工程集团。微软不再为其找新CEO，由多位微软高管分管。GitHub将成微软AI时代‘武器库’。
Cloudflare 选择 PostgreSQL 扩展而不是专用的 OLAP 来进行 100K 行 / 秒的分析
Cloudflare工程团队解释选TimescaleDB而非ClickHouse为内部平台增分析报告功能的原因，强调存储分析与配置数据简单性和专用OLAP系统性能的“惊人平衡”，介绍了项目发展及TimescaleDB优势。
普通人也能用得上的 Context Engineering 技巧
现在讨论Context Engineering大多关注高级AI Agent，对普通用户实用性不强。本文总结普通人用AI时的上下文工程技巧，如用更少、更准确的上下文控制输出，从精简和准确两方面展开阐述。
秒改屎山代码、最高提效 300%！AI 代码审查工具会终结技术债务还是带来新危机？
当下AI代码审查工具引发热议，虽宣称提效300%，但实际表现存争议。InfoQ采访硅心科技专家，探讨其利弊、核心能力、不同工具差异等，还提及应对问题的策略及未来审查流程演变等内容。
通向L3的正确范式？理想i8全球首发VLA高阶辅助驾驶，我们帮你试了试
本周二，理想全新纯电SUV理想i8上市，其搭载的VLA辅助驾驶系统受关注。理想发现端到端数据驱动升级有局限，VLA架构改进让系统有思维、沟通等能力，还带来平顺性等提升，且研发各方面能力强。