「代码能力评测」共找到 4821 篇相关文章
再不怕乱引文献！绕过付费墙，BibAgent把学术核验转为证据链
大模型生成学术论述，其引用验证成难题，尤其付费墙后论文难以核验。BIBAGENT突破此困境，不破解付费墙也能验证引文语义真伪，还构建MISCITEBENCH评测，表现优异，为科学写作补“可审计基础设施”。
Karpathy刚刚敲响警钟：大模型的“终极之战”打响！Agent大军即将全面接管研发
Andrej Karpathy发布新项目autoresearch，人改提示词，AI改训练代码。经约2天微调，找到约20个降低验证损失的修改，提升排行榜成绩。Agent还发现多项重要改进点，未来前沿LLM实验室或走此路。
谷歌开发者大会炸场！Agent重磅升级， A2A、SDK大更新
今天凌晨谷歌召开‘I/O 2025’开发者大会，对Agent智能体重磅升级。A2A协议更新，新增关键功能，还发布官方Python SDK；生态持续扩大，多家名企加入。此外，发布Agent Engine UI，升级Agent SDK，增强Project Mariner能力。
对谈openai首席产品，AI时代的产品思路。
知名播客主理人Lenny对OpenAI CPO Kevin Weil进行访谈，分享了OpenAI内部的产品哲学，包括Model Maximalism、Iterative Deployment、Evals等方法论，还谈及AI技术演进、未来机遇等思考，鼓励培养核心能力应对AI变革。
超越VLA与世界模型，银河通用发布LDA，全谱系数据跑通Scaling Law
近期具身智能领域竞争激烈，银河通用联合多机构发布 LDA-1B 模型，能统一利用各类具身数据。它在基准测试中表现出色，代码已开源，还解决了数据格式、质量等问题，实战效果也很突出。
Synk收购Invariantlabs-AI安全技术的强强联手
2025年6月24日，安全AI软件开发领导者Snyk宣布收购AI安全研究公司Invariant Labs。Snyk CEO称收购增强了抵御新兴威胁能力。Invariant Labs在MCP领域领先，成果丰富，Snyk也有多样产品，合并有望带来1+1>2效果。
微软开源了一款 skill 神器，这下爽了！
近期微软开源桌面应用 `Skill Recorder`，1个多月揽3K star。它能录屏幕操作，借助 GitHub Copilot CLI 生成可复用 Skill 或 Automation，与 RPA 思路不同，有泛化能力，可按命令快速安装。
国产开源模型越多，模型路由的机会越大
中国大模型市场模型增多，能力相近、价格降低且部分开源。开发者选择多但企业选模型难，价值向调度层转移。开源改变产业结构，Routing业务有价值且至少含四层，中国Provider Routing易落地。
手工软件工程师的时代已经结束！一位连续创业CTO的判断
连续创业者、Tessi.ai CTO Ben Greene 在访谈中指出，生成式 AI 改变软件工程形态，手工软件工程师时代过去。工程师应转向理解问题、设计系统，具备系统思维、业务理解和与人协作能力，学会“AI 编排”。
AI安全的过去与未来：从大模型到智能体 | 预约
业界提升前沿AI模型和智能体安全性，常用安全评测和‘安全对齐’技术，但未真正解决风险。本次分享将介绍‘内生安全’探索成果，还公布了相关论文信息，刘东瑞等嘉宾将参与。