搜索：自动化评估工具

「自动化评估工具」共找到 2870 篇相关文章

我是微软工程师，编程了30多年，如今我几乎不再编程了

微软资深工程师 Paul Payne 分享编程 30 多年感受，认为 AI 正颠覆软件工程领域。他所在团队研究 LLM 驱动系统，系统从程序员手中接走大量工作，Amplifier 等工具让编程变得更简单，人类程序员价值将升华。

国际象棋积分赛成果出炉，OpenAI o3以人类等效Elo 1685分夺冠，Grok 4和Gemini 2.5 Pro紧随其后。Kaggle发布国际象棋文本排行榜，评估模型战略推理等能力，还推出相关数据集，虽有局限但意义重大。

随着网络攻击增加，威胁情报成主动安全关键。以色列本古里安大学发布LLMCloudHunter框架，用大模型从开源情报自动生成检测规则，评估显示其规则质量高，且大部分能编译成Splunk查询，软件已开源。

近日，隼瞻科技完成近亿元天使+轮融资，多家知名战略投资人加入，老股东继续加持。该公司是国内唯一‘IP货架 + EDA工具’双轮驱动企业，自研平台可大幅缩短设计时长，成立三年已迈向规模化落地。

当下AI编程工具竞争激烈，大多存在闭源或绑定单一模型的问题。OpenDev是开源的终端AI编程Agent，用Rust编写，仅3.7MB。其论文详细解释设计决策，给出指令衰减问题的工程解法，还有多种实用设计。

蚂蚁上线AI健康管家APP——AQ，有超百项AI功能，连接超5000家医院、近百万医生等。它能追问识药看皮肤，打通硬件，设语音通话。凭借技术和生态优势，实现从技术工具到健康管家的跃迁。

Anthropic官宣Fable 5回归，7月1日至7日限时开放，顶配套餐周使用额度砍半。虽更新安全防护，多数编码任务不受影响，但新防护有误伤，且Token消耗快，还拒绝部分正常提问。其自动化率显著提升。

作者分享将 Agent 工程化设计的历程。指出 LLM 做 Agent 有痛点，引入 CLI 接管确定性任务和上下文管理，还设计了 Workflow 串联工具，实现自动扩展和无缝互转，最后做 workflow - creator 形成自洽闭环。

Anthropic将Claude Code做成桌面应用，本值得期待，然而新桌面版却问题频出，如卡顿、崩溃、自动化功能不稳定等，还出现大量基础功能问题。此前Anthropic宣称代码由AI编写比例高，但产品质量堪忧。

深势科技开源OmniScience数据集，含150万个高质量图文对。它利用先进工具攻克图文提取难题，经严格筛选成型，涵盖多学科。还设计重写流水线提升图文语义契合度，基于此训练的模型表现优异。