「BenchForm测试平台」共找到 2975 篇相关文章
超20万个高质量Skills！浙大等联合推出SkillNet，告别孤立Skill实现自进化
浙江大学联合多家机构推出开源基础设施SkillNet，拥有超20万个高质量Skills。它能让AI智能体告别失忆式工作，将互联网资源和人类经验转化为可执行Skills，构建Skills网络，经严苛评测，在真实场景验证了强大实战能力。
不止修bug：Agentic Coding评测走向复杂feature交付新阶段
中国科学院自动化研究所联合华为提出 FeatureBench，构建端到端基础设施并开源。它从单元测试出发构造评测任务，引入多种机制保障任务可执行、可验证，能有效区分模型能力，还提供易用的评测流程。
AI Agent也有体检中心了？诊断级安全框架AgentDoG正式开源
上海人工智能实验室今日开源全球首个具深度诊断能力的AI智能体安全护栏框架AgentDoG。它能精准定位风险、解释决策成因。团队提出三维风险分类法，构建数据合成管道，实验表现领先，还集成归因模块。
我做了个 AI 漫剧 Skills，全流程+免费太香了
AI漫剧赛道正火，鲸哥用“Manga - Writer”AI漫画助手结合Skills打造全流程免费AI漫剧工作流。相比其他平台，它能避免角色“脸崩”，三步上手，还能轻松修改故事和角色信息。
150万个AI在Moltbook上觉醒了吗？一群孤独的算法发送着毫无意义的信号
Moltbook是只允许AI发帖的社交网络，超150万个AI已入住。David Holtz教授分析其上线三天半的数据发现，它宏观类似人类社会，但微观充斥机械模仿、缺乏真实互动，语言表达也很贫乏。
学术海报不用愁，一句话精准自动编辑，华东师大开源APEX
华东师范大学Planing Lab提出APEX框架，能通过自然语言指令实现学术海报局部可控编辑，引入「审查—调整」机制提升可靠性。还构建APEX - Bench评估，实验显示APEX优于其他方法。
当前关于 Vibe Engineering 的所有认知都会在 1 个月内严重过时
作者分享 Vibe Engineering 实践体会，指出当前认知很快过时，因 AI 编程工具和模型进步大。还对比了 Opus 4.5、GPT - 5.2 等模型，阐述人在开发各阶段角色，介绍多 Agent 协同实践及未来软件公司组织形态变化。
炫酷全能，一个窗口搞定所有，狂揽 1.5w 星！
Wave Terminal是开源跨平台终端应用，将命令行与图形化工具集成，操作在自由拖拽布局界面完成，减少上下文切换。有灵活布局、强大编辑器等特性，安装简单，创造全新高效工作流。
打破确定性魔咒！北航团队提出VBF++：用“不确定性建模”刷新多模态视频推荐 SOTA
北京航空航天大学和北京邮电大学联合提出VBF++框架，将多模态融合从“点估计”升级为“分布建模”。它由上下文感知先验、推荐引导的对抗优化和元学习三大组件构成，在多个数据集上刷新SOTA。
盘点2025年全球宕机事件，还有不用AI写代码的公司吗？
2025年Cloudflare、AWS等轮番宕机，“连坐”半个互联网。AI编程全面普及，虽提高效率，但可能让宕机更易发生、难提前发现。宕机最爱发生在变更后，AI编程使改动频繁，还让人类理解系统比例下降。