「产品评估」共找到 2267 篇相关文章
Meta-Harness：让AI 改进自己的Harness
斯坦福IRIS实验室Yoonho Lee团队推出开源框架Meta - Harness，让AI自我优化流程。它像给AI用的‘时间机器’，记录源代码、执行轨迹和评估分数。在任务上表现出色，但也面临耗时、数据爆炸等挑战。
硅谷前沿访谈：CUDA之父复盘英伟达20年护城河，揭开万亿算力帝国的底牌
奇点智能研究院院长李建忠采访了“CUDA 之父”Ian Buck，探讨 CUDA 20 年演进、英伟达技术产品及生态。Ian Buck 介绍了 AI 基础设施新阶段，阐述 CUDA 成功原因，还谈及英伟达软硬件协同、应对竞争等问题。
人大高瓴孙浩团队发表Nature子刊封面文章：基于并行符号枚举的物理定律发现
中国人民大学高瓴人工智能学院孙浩教授团队在《自然 - 计算科学》发表封面论文。提出PSE框架解决符号回归瓶颈，通过公共子树复用和GPU并行提升评估效率，实验表现优于现有方法，也指出了局限性与未来方向。
构建 Claude Code 的经验：我们如何使用 Skills
本文来自Anthropic内部团队，总结构建Claude Code使用Skills的经验。介绍Skills类型，如库与API参考、产品验证等；给出编写技巧，涵盖避免说废话、建踩坑点章节等；还提及分发、管理及衡量效果的方法。
ICLR-26腾讯混元：Agent是强大的，但用户是狂野的
现有LLM工具使用基准测试场景理想化，忽视真实用户行为复杂性。腾讯提出WildToolBench，基于真实用户行为构建测试集，对58个模型评估，发现模型准确率低，揭示LLM在真实场景下能力缺口，为模型优化指明方向。
构建会思考的测试Agent：从自动化到自主智能的演进
文章介绍面向企业级软件测试的质量数字人系统，结合大语言模型等实现从传统到自主智能测试跨越。分析专有云测试困境，指出通用AI Agent平台局限，阐述系统设计、能力及架构，展示应用成果并展望扩展场景与未来计划。
“传统设计流程已死”！IDE成Claude设计负责人新宠：Anthropic人人写代码，最不怕Bug
Claude设计负责人Jenny Wen在访谈中表示，AI冲击下传统设计流程已过时，设计师工作重心改变，IDE成新工具。她分享AI工具栈，点明三类有竞争力设计师，还谈及设计管理、产品发布等观点。
字节开源版Seedance发布，超越Sora 2！
字节Alive团队发布开源版Seedance 2.0，在人类评估中超越Sora 2等。它通过统一架构、时空对齐技术和非对称训练策略，解决声画不同步和画质音质难两全问题，还建立数据流水线和测试基准。
刚刚，微软全新一代自研AI芯片Maia 200问世
微软原定于 2025 年发布的下一代 AI 芯片 Maia 200 问世。它基于台积电 3 纳米工艺，性能强、能效高，是异构 AI 基础设施重要部分，将为多个大模型提供支持，已部署在美国中部数据中心区域。
168小时AI狂写300万行代码造出浏览器！Cursor公开数百个智能体自主协作方案
Cursor创始人公布实验结果，让数百个AI智能体跑一周，从零造出可用Web浏览器，产出超300万行代码，项目源码已公开。此次实验靠GPT - 5.2 - Codex，还设计了智能体协作架构，引发业界讨论。