「自动化评估工具」共找到 2876 篇相关文章
ACL 2026 | 别轻易给AI发「～」，它可能会删掉你的整个主目录
西安交通大学等校团队揭示大模型表情符号语义混淆安全漏洞，用自动化框架测试主流大模型，平均混淆率38.6%，多数混淆响应会“静默失败”，超半数达高危害级别。
推荐 4 个当下爆火的开源项目，Claude Code效率再翻倍
近期Claude Code相关开源库爆火，作者推荐4个项目。badclaude解锁官方工具限制，gstack将AI变虚拟工程团队，claw - code作者机智保下库，everything - claude - code优化AI编程体验。
刚开源就斩获 3.8K Star！MiniMax 官方把压箱底的硬核技能包开源了！
MiniMax 官方开源 Skills 仓库，这是一套为 AI 编码助手设计的开发技能包。涵盖前端、全栈、Android、iOS、图形开发及办公等多领域，按流程走可让 AI 代码质量对标大厂资深工程师，安装也简单。
静态技能已死：cognee怎么让AI自己修自己的prompt
文章指出当前agent技能存在silent drift问题，Cognee作为开源知识引擎，将skills视为活的系统组件，通过Skill Ingestion、Observe、Inspect、Amend、Evaluate & Update五步实现自我进化，还介绍了相关应用及社区反应。
MiniMax M2.5发布：硬刚 Claude Opus，一美元包断一小时的生产力
MiniMax M2.5发布，硬刚Claude Opus 4.6，以一美元包断一小时的低价降低AI生产力门槛。它在编程、办公等多场景表现出色，速度快且成本低，背后是RL Scaling等技术支撑。
可灵3.0系列模型正式上线：属于每个人的导演时代来临
可灵AI正式全球上线3.0系列模型，覆盖影视级全流程链路。该系列基于All-in-One理念构建，解决了行业一致性等问题，在多方面做了增强，完成从单点生成到专业调度的跃迁，让AI成创作协作者。
从金融本位到物理本位，真正的范式转移开始了
过去几十年，人们认为增长可由货币政策调控，但如今瓶颈转移。马斯克描述的闭环体现从“金融本位”到“物理本位”的范式转移，科技巨头已按此逻辑行动，锁定物理资源。
昨夜，Claude智能体压垮华尔街，近万亿刀市值蒸发
昨夜，Anthropic发布新一代AI工具「Claude Cowork」及11款职能插件，被视为AI向「独立员工」跨越的分水岭，动摇SaaS软件根基，引发华尔街恐慌，众多软件公司股票遭抛售。
完全取代Claude Code？OpenAI反击来了，推出Codex app「限时免费使用」
OpenAI推出macOS版Codex应用，反击Claude Code。它有全新交互界面，助开发者管理多AI Agents，支持并行任务。限时内，ChatGPT部分用户可免费使用，速率限制有调整，还具备多种新特性。
刚刚，阿里旗舰模型Qwen3-Max-Thinking发布，编程能力“踢馆”Gemini与Claude
阿里发布旗舰模型Qwen3-Max-Thinking，总参数超1万亿，在多项权威基准测试中表现优异，可与顶级闭源模型竞争。千问团队为其引入两项核心创新，提升推理性能，该模型已可免费体验。