「评估驱动开发」共找到 2708 篇相关文章
谷歌助力神经科学飞跃，破解斑马鱼全脑活动密码
谷歌等机构科学家联合发布开创性研究成果ZAPBench，这是预测斑马鱼全脑活动的基准测试平台。它含超70000个神经元4D光片显微镜记录，设计多种刺激条件采集数据，有特定基准测试任务和评估指标。
驭浪而行，产业向新：2025世界人工智能大会智能体论坛前瞻，共探AI产业变革｜甲子光年
2025年7月28日9点，在世界人工智能大会期间，“驭浪而行 产业向新——智能体驱动产业变革论坛”将在上海世博中心举行。论坛由多方联合主办，通过三大版块探讨AI智能体产业落地痛点，有领导致辞、院士报告等多个看点。
Claude版Manus只用10天搓出，代码全AI写的！网友：小扎140亿并购像冤大头
Claude Cowork是面向工作场景的通用智能体，基于Anthropic自研模型打造。开发约10天，代码全由Claude Code写，人类仅负责规划等。它让非编程用户能用AI能力，这让扎克伯格20亿买Manus的操作显得冤。
EMNLP25 | 北大x腾讯光子发布 C3 Benchmark：中英双语语音对话模型“地狱级”测试基准，直击语音对话模型软肋！
近年来语音对话模型受关注，但处理人类对话复杂现象的效能缺乏研究。北大联合腾讯光子构建中英双语C3 Benchmark数据集，评估模型应对复杂对话的能力，结果揭示性能瓶颈，为模型优化提供参考，代码和数据已开源。
OpenClaw 之父惊叹中国速度！大厂集体杀入新战场：用AI 批量制造“一人公司”
AI 发展改写创业规则，“一人公司”批量涌现。创业者借助 AI 工具降低开发门槛，通过外包灵活组建团队。其商业化紧跟技术风口、服务长尾需求，但变现呈“金字塔结构”，竞争靠速度、资源和效率。大厂参与培育市场，传统软件服务商与一人公司边界渐模糊。
VLM 实现 10%的精度提高，13.1倍加速！纽约大学新算法让视觉语言模型更小、更快、更准确
纽约大学研究团队用QSVD新方法让视觉语言模型（VLM）效率飞跃，在普通GPU上实现13.1倍加速。它将Q、K、V矩阵捆绑处理，设计秩分配策略，引入量化方案，经多模型评估，展现出低硬件成本、高精度优势。
4 个月狂飙 22k Star，这本书凭什么？
Github上超火的开源项目《LLMs-from-scratch》中文版4月上市，4个月涨超22k Star。作者实操搭建类GPT - 2模型，涵盖大模型构建全流程。用PyTorch开发，代码少且有注释，对初学者友好，豆瓣评分9.3。
GPT-5 在 Lovable/Vibecode 中氛围编码，附 GLM-4.5 对比 （反向搜索引擎、吵架的俄罗斯方块）
文章展示GPT - 5在网页端、Lovable、Vibecode的测试案例，与GLM - 4.5对比。如GPT - 5在WebDev Arena创纪录，不同版本使用限制不同。还列举多个应用案例，指出GPT - 5有不足，GLM4.5全栈开发表现不错。
多智能体在「燃烧」Token！Anthropic公开发现的一切
Anthropic发布多智能体研究系统构建解释，解决多智能体研究困惑。多智能体系统优势明显，在特定任务中表现出色，但token消耗大。其架构独特，还介绍了提示词工程、评估方法、面临的工程挑战等内容。
Auto Research时代，AI Scientist的第一场药企实习考验｜甲子光年
AI Scientist从大模型做题家进化为自动化科研助手，但从demo到应用面临买单难题。Phylo等团队构建BiomniBench评估框架，让AI做药企真实数据分析，结果显示AI表现超人类实习生，且有速度和成本优势，但也存在偏科问题。