「自动化评估工具」共找到 2877 篇相关文章
NUS&复旦&清华：首个系统性大模型Latent Space综述
新加坡国立大学等多机构发布大模型潜在空间领域首个系统性全景综述，从“基础—演进—机制—能力—展望”拆解潜空间范式的底层逻辑、技术路径与未来前景，还对比了潜空间与显式空间差异。
多智能体编排太繁琐？MASFactory用Vibe Graphing直接「话」出来了
多智能体系统编排当前较为繁琐，北京邮电大学开源 MASFactory 框架，提出以图为中心架构和 Vibe Graphing 开发范式，将开发推向自然语言驱动时代，系统评估显示其效果良好。
连Karpathy都怕了！9千万级AI包被投毒，竟靠黑客写出bug救命
3月24日，AI应用核心工具LiteLLM更新版本含恶意代码，可窃取开发者核心信息。因攻击者代码有bug致机器崩溃才暴露。这引发AI基础设施信任危机，Karpathy称要减少依赖。
最权威的Skills编写指南来了！33页，Anthropic亲自发布
Anthropic发布33页《Skills编写完整指南》。Skills能为智能体注入行业经验与工作流，实现复杂任务自动化。指南梳理了编写逻辑，涵盖定制、构思、测试、发布等全生命周期内容。
a16z全球AI产品Top100：AI入口之争已经打响，OpenClaw开启通用Agent时代
a16z发布全球AI产品Top100第六版更新，AI成主流默认功能，Gemini追ChatGPT凶猛，通用Agent登场。还介绍了各领域竞争态势、市场地理分布、创意领域演变等情况。
打造高可靠 AI 助手：Skill 编排、Workflow 设计与 Spec Coding 的深度实践
文章拆解上下文工程五大实践模式，对比 Skill 与 Subagent 差异，介绍 Vibe Coding、Spec Coding。分析使用 Skill 做 AI Coding 的问题，提出 Workflow 概念及解决办法，还说明了工作流使用方法和适用场景。
IMO题库“过时”了！OpenAI内部模型挑战最新First Proof，做了7天错了一半
谷歌发布Gemini 3 Deep Think爆火后，OpenAI用未发布内部模型，一周内尝试解答10道来自数学家科研现场的真实问题，5道基本正确。这些题取自真实研究，切断模型“背答案”可能，意味着自主推理能力进化。
谷歌AI连发6篇数学论文！Gemini攻入博士级科研，91.9%刷爆SOTA
谷歌DeepMind放出多篇重磅论文，Gemini Deep Think成「科研合伙人」，攻克多领域难题。谷歌打造基于Gemini的「AI数学家」Aletheia，在博士级难题获科研里程碑，首批6篇论文成果斐然。
配置一改就要重启的时代结束了：Dev Proxy 2.1 正式上线
Dev Proxy团队发布2.1版本，围绕开发效率和本地测试体验更新，有配置热重载、stdio流量代理等新功能，还改进配置、性能及细节问题。Dev Proxy Toolkit 1.12同步发布。
仅 3MB 大小，终端极速预览 word！
开发者等常需在服务器或命令行环境查看Word文档，传统方式低效。开源神器doxx基于Rust开发，无需Microsoft Word等软件，有保留格式渲染、全文搜索等功能，还提供多种安装渠道。