「自演进评测」共找到 1879 篇相关文章
开源AI开发生态大洗牌：低代码平台逆袭，传统LLM框架日渐式微
第十届527蚂蚁技术日，蚂蚁对现有开源生态全面剖析，发布2025大模型开源生态全景图。分析显示开源生态有三个主导技术赛道，还总结出七大趋势，为从业者提供生态演进规律参考。
Astra 的 Computer Use 能力是如何实现的？
本文编译自Browserbase增长工程师Kyle Jeong的个人博客，对比了纯视觉路线Computer Use模型的缺陷，详细拆解Astra模型利用无障碍树结合Codex Harness实现能力的架构、训练方法，分析其优劣与行业价值。
EMNLP 2026高分论文MathDebugger：当合成数据涌入训练集，如何为数学题做体检？
随着合成数据增多，模型需判断数学数据题目能否被信任。北大DCAI团队提出MathDebugger质检BenchMark，覆盖问答两端，评测主流LLM和PRM。还探究能否判断正误、分类错误、修复数据，证明错误标签可作监督信号。
5.9K Star！告别 AI 画图的“廉价感”，这个开源项目让你的图表高级又有品味！
技术写作者兼产品设计师Cathryn Lavery因不满Claude画图效果，开发开源项目diagram - design。它是Claude Code的技能插件，输出自包含HTML文件，有多种图表类型、品牌定制等亮点，解决AI画图审美痛点。
Qwen3-VL-Seg 深度解读：当多模态大模型学会"像素级精准手术"，仅用0.4%参数碾压8B模型
文章深度解读阿里通义实验室发布的Qwen3-VL-Seg，它解决开放世界指代分割问题，用仅17M参数（占基础模型0.4%）在4B规模超越8B模型。介绍其原理、架构、数据、实验结果，还给出实战代码。
杀疯了！单卡4090跑通全量微调，面壁1B级多模态性能怪兽硬刚大厂
面壁智能推出MiniCPM-V 4.6，参数约1B，性能和推理效率出色。它在多模态任务综合能力、推理速度上领先竞品，靠ViT架构改造和4倍/16倍混合视觉Token压缩实现创新，有工业验证，对开发者和普通用户意义大。
两分钟Claude Code模型换成DeepSeek，立省17倍，缓存后爆省120倍
GitHub开源deepclaude，两分钟可将Claude Code模型换成DeepSeek V4 Pro，开销直降17倍。自带上下文缓存机制，重复对话成本降120倍。支持多后端选项，可丝滑切换，还能打破设备限制远程编程。
当我把 AI 变成一个"算法"：Skill 工程化设计的心路历程
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。
刚刚，何恺明团队新作，「嵌入式语言流」ELF来了
何恺明团队提出ELF模型，将扩散过程置于连续向量空间，只在最后翻译成词。它用一个网络实现去噪和解码，引入自条件机制。实验显示，ELF用不到其他方法十分之一数据，生成质量全面领先。
当 70% 的人将拥有智能体，谁来给 AI 建底座？澜舟科技周明：大模型落地的最后一道墙是“可信 AI”
4月16日澜舟科技春季沟通会，创始人周明分享智能体到数字员工演进等内容。指出AI进入落地新阶段，提出可信AI和智能体工程，展示相关技术体系、产品矩阵及行业方案，回答企业级AI现实问题。