「自动化评估工具」共找到 2870 篇相关文章
造过 Codex 的人，为什么每天用 Claude Code
Calvin曾带队构建编程Agent Codex，如今日常用Claude Code。他和Garry Tan在播客聊了编程Agent的产品哲学差异、分发逻辑等。Claude Code拆分上下文表现出色，LLM成开发者工具推荐引擎，还探讨了构建、使用编程Agent的要点。
实测丨别人还在做网站，Atoms 已经帮用户赚到第一桶美金了
当下多数AI编程工具只解决写代码问题，难以让产品变现。Atoms由MetaGPT等原班人马打造，补齐商业闭环，从市场验证、上线收钱到解决流量问题都有办法，实测效果佳，还让普通人成功盈利。
Gemini 3 Pro加持！这款开源神器 Clipsketch AI，帮你自动抓帧、画图、写爆文！
自媒体内卷，‘视频转图文’是流量入口，简单截图难满足需求。clipsketch - ai 开源项目用 Gemini 3 Pro 和 Nano Banana Pro 模型，实现视频理解、AI 绘画和写作自动化，解决创作者素材整理、版权等痛点。
谷歌2025「复仇爽文」大结局！从至暗时刻到王者归来
2025年谷歌上演AI复仇大戏，年初被唱衰，年底凭Gemini 3等组合拳重回巅峰。在模型、开发、创意等8大领域突围，还兼顾安全责任。全年各月不断推新，涵盖系统、工具、模型等多方面。
RL Infra 行业全景：环境和 RLaaS 如何加速 RL 的 GPT-3 时刻
文章指出RL Scaling正推动AI从“人类数据时代”迈向“Agent体验时代”，RL Infra可弥合模拟与现实差距。梳理了RL环境、RLaaS、数据/评估三大模块，分析代表公司案例，探讨RL未来趋势与投资策略。
拒绝招聘、产品粗糙，却成史上最快增长软件公司！4个00后“整顿”创业圈：大家都不信，才是我们的机会
Cursor是AI编程工具崛起代表，3个月发布、16个月超36万用户。其背后是4个00后创立的Anysphere公司。创始人Michael Truell分享创业经验，包括早期项目、转型细节，以及Cursor挑战GitHub Copilot的历程。
ICML 2025 | 大模型能在信息不完备的情况下问出正确的问题吗？
当前大语言模型推理研究多聚焦被动推理，主动推理研究少，制约其在现实场景应用。为此提出 AR - Bench 基准评估大模型主动推理能力，实验显示大模型主动推理能力严重不足，并指出后续拓展方向。
文档秒变演讲视频还带配音！开源Agent商业报告/学术论文接近人类水平
澳大利亚和英国多所高校团队提出多模态智能体PresentAgent，能将文档转化为配有语音讲解和同步幻灯片的视频演示。其模块化生成框架有可控性和领域适应性，评估显示它在各指标上接近人类水平。
OpenAI 早期董事会成员：算法与神经网络成“超能架构”，我们如何自处？｜文末赠书
OpenAI 早期投资人里德·霍夫曼新书《AI 赋能》中文版推出。书中提出 AI 应是放大人类行动力的工具，还阐述“超级能动性”概念，强调技术与人类深度共生，批判盲目创新，主张技术锚定人文价值。
10万token自然语言推理，让30B-A3B模型站上奥赛金牌线
上海人工智能实验室报告显示，30B - A3B规模的SU - 01模型不依赖外部工具，经训练在IMO、USAMO、IPhO等奥赛评测达金牌水平。研究还验证更高效科学推理系统路线，有望用于更多科学问题。