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

Anthropic 的 Harness 设计：build to delete

Anthropic工程博客发布Harness设计文章，探讨Claude完成全栈应用开发任务。指出单Agent模式问题，采用GAN式对抗、三Agent编排，对比单Agent与多智能体产出，还介绍调教评估者及编排简化，提出Build to Delete原则。

OpenClaw是能指挥电脑干活的“数字员工”，但部署复杂。百度智能云推出“作弊级”方案，无需懂代码、折腾环境。限时活动2C4G+200GB服务器首月1分钱，还上线6个核心Skills，让其成普通人生产力工具。

6月30日百度文心大模型4.5系列开源并登陆魔乐社区，该社区发起‘模型推理适配协作计划’，想让大模型跑遍中国芯。其升级工具中心和协作空间，联动产业力量，解决模型在国产芯适配难题，推动生态发展。

OpenAI的Codex迎来重大更新，从代码工具进化为通用个人助理。开发者实测中，它能接管Mac完成多项任务，人类全程0操作。还支持多应用集成，功能强大，获开发者青睐，或重新定义使用电脑方式。

智能流体力学青年学者论坛第30 - 33讲将于2026年3月6日举办，由中国空气动力学会智能流体力学专委会主办。报告涵盖迈向大语言模型时代的自动化智能CFD工作流等主题，多位学者将分享最新研究成果。

文章指出当下推荐系统追踪热点滞后，存在时效、解码、迭代困境。为此启动热点AI选品项目，构建自动化热点响应系统，经多环节处理输出优质候选集，还介绍成果、后续优化方向及AIGC图像生成方案。

作者分享AI写作系统，用AI梳理复杂逻辑生成配图，进行个性化排版、一键出稿。介绍必需工具如Obsidian、PicGo、Claude Code等，还提供具体配置教程、进阶玩法，如规范写作、生成逻辑图、定制风格。

OpenAI前VP William Fedus和Google DeepMind大神Ekin Dogus Cubuk联手创立Periodic Labs，目标打造AI科学家。公司核心理念是AI科学家与自动化实验室结合，从物理科学起步，已获a16z领投3亿美元融资。

OpenAI推出GDPval评估体系，通过真实工作任务审视大模型潜力，揭示AI从实验室走向3万亿经济战场的可能。早期测试显示，Claude Opus 4.1表现最佳，GPT系列进步快，模型在部分任务逼近人类专家水平。

长上下文大语言模型发展带来计算和内存挑战，现有基准测试多忽视 KV 缓存完整生命周期。微软姜慧强在 AICon2025 分享 SCBench 工具，梳理推理优化方法，介绍 MInference 等，还提出 Tri - shape 方法等成果。