「自动化评估工具」共找到 2870 篇相关文章
刚刚，Claude独立攻克图论猜想，仅用31步！算法祖师爷高德纳震惊发文
Claude Opus 4.6仅用31步独立攻克图论猜想，算法祖师爷高德纳震惊发文，认为需重新评估生成式AI在数学研究中的作用。这标志着AI在自动推理和解决创造性问题上达到新里程碑。
定位大模型「作弊」神经回路！新研究首次揭示：虚假奖励如何精准激活第18-20层记忆
此前学术界发现大模型用虚假奖励训练也能提升准确率，背后微观机制是黑盒。南科大等团队深度拆解，定位到关键记忆节点，发现‘困惑度悖论’，还能操控记忆，成果对评估、检测和去污染有意义。
刚刚，OpenAI发长篇论文：大模型幻觉的原因找到了~
OpenAI发论文揭示语言模型出现幻觉的根本原因，即训练和评估过程奖励猜测而非承认不确定性。预训练阶段就埋下幻觉种子，后训练阶段‘考试机制’强化幻觉，还给出改评分规则的解法。
4个月11万用户、Claude Code成了，Dogfooding该被AI公司重视起来了
Dogfooding（内部试用）应被AI创业公司重视。Anthropic推出的Claude Code源于内部工具孵化，经内部使用和场景验证后发布，四个多月获11万开发者用户，其成功说明深度内部试用是竞争优势。
上下文工程的崛起：提示工程已是过去式
大模型应用从简单问答转向复杂智能体系统，技术焦点正从提示工程转向上下文工程。上下文工程核心是为大模型提供恰当信息与工具，其重要性日益凸显，且与提示词工程有明显区别。
Karpathy最新分享！给大模型做好“服务”将是巨大机会
近日，Karpathy在AI Startup School演讲，提出AI正从根本改变软件。他将软件分三个时代，认为LLM是全新操作系统，还指出其特长与局限，点明AI时代两大机遇：部分自主应用和构建Agent友好工具。
MCP很好，但它不是万灵药！真正的技术进步，往往始于祛魅之后的清醒认知
当下AI领域，MCP热度高涨，但它并非万能。文章剖析MCP本质，指出它是统一工具调用协议，与Function Call合作。同时分析其开发难题与市场乱局，强调要理性看待，明确其定位和边界，发挥潜力。
准确率92.7%逼近Claude 3.5、成本降低86%，开源代码定位新神器LocAgent来了
OpenHands 等团队发布 LocAgent，这是用于代码定位的图索引 LLM Agent 框架，准确率达 92.7%。它把代码库解析成图，提供工具接口，经实验效果出色，开源微调模型降本增效，还能提升问题解决率。
Vercel Zero 引发争议：AI 时代真的需要一门新语言吗？
Vercel 推出 v0 API，让开发者能以编程方式访问其 AI 应用构建智能体，支持多种请求与外部工具。它将应用构建智能体作为基础设施开放，社区关注其对全程可编程应用开发的支持潜力。
别求Claude了！搭子DuMate杀疯，国产Cowork已帮你把活干完了
Anthropic更新Claude帮助中心，对部分用户启用身份验证，让国内重度用户焦虑。百度智能云上线搭子DuMate，它是桌面级AI智能体，能自动化办公，还更懂国内工作场景，上线后高频迭代。