「评估问题」共找到 3739 篇相关文章
Next.js 真有那么好用吗？Netlify 谈他们遇到的六个现实问题
Netlify 部署大量 Next.js 网站时遇到诸多挑战。如无适配器支持、无生产级无服务器部署文档、存在未文档化行为、未基于开放 Web 标准、缺乏路线图可见性和发布可预测性等，并提出应对办法与展望。
北航LiveRepoReflection: 扭转乾坤-仓库级代码反射
本文提出LiveRepoReflection基准，评估多文件仓库代码理解和生成能力，含1888个测试案例。创建RepoReflection - Instruct数据集训练RepoReflectionCoder，评估40多个LLMs，结果显示其能有效测模型反思修复能力。
智能体自己出现问题自己找！首次提出“自动化失败归因”课题 | ICML2025 Spotlight
LLM Multi - Agent系统失败诊断难，阻碍迭代优化。宾夕法尼亚州立大学等机构研究者首次提出“自动化失败归因”课题，构建Who&When数据集，开发评估多种归因方法，实验揭示当前方法不足。
突破125年世纪难题！北大校友联手科大少年班才子破解希尔伯特第六问题
1900年希尔伯特提出23个数学难题，其中第六个‘物理学的公理化’被称为数学物理的终极挑战。125年后，北大校友邓煜、中科大少年班马骁与陶哲轩高徒扎赫尔・哈尼在该问题上取得重大突破，填补了牛顿力学与玻尔兹曼方程间的逻辑鸿沟。
人类遗忘的难题解法，被GPT-5重新找出来了
GPT-5 Pro从埃尔德什问题定位到关键文献，发现该“未解决”数学难题早在2003年已被解决。此前网友曾热烈讨论此问题，此外，有教授称GPT-5 Pro能快速发现论文漏洞。
OpenAI新模型GPT-5.1发布，不跑分不刷榜，主打一个说人话
OpenAI发布GPT-5.1，主打更智能、更具对话性，无跑分打榜，有人设说人话。包括Instant和Thinking两个子模型，简单问题快，复杂问题智能。本周逐步向用户免费开放，还更新了语气风格等功能。
ACL'25 | CIGEval：一种基于多模态大模型的可控生图评测智能体
阿里国际AI团队提出CIGEval，这是基于多模态大模型驱动的图像生成评估智能体框架。它集成多功能工具箱，通过任务拆解与工具调度提升评估准确性与可解释性，已在ComfyUI - Copilot上线。
豆包上了视频通话后，我妈再也不用攒着问题等我回家了。
豆包上线视频通话功能，作者第一时间告知妈妈使用。妈妈借助豆包解决了重置手机、识别花等问题，还帮外婆安装。视频通话互动陪伴感强，降低使用门槛，让亲人享受科技温暖。
中国团队首次在Nature子刊发布医疗AI标准，未来医生MedGPT摘得全球桂冠
中国AI医疗公司“未来医生”协同专家制定CSEDB，首次提出评估医疗大模型临床能力的系统性框架，被《npj Digital Medicine》收录。在其评估下，未来医生的MedGPT在主流大模型中夺冠。
揭秘大模型评测：如何用“说明书”式方法实现业务场景下的精准评估
文章系统性介绍业务场景下大模型评测流程，包括需求分析、评测集设计生成、维度设定、任务执行和报告输出。指出评测挑战，如设计维度和集，还给出评测方法及案例，像蚂蚁评测集、业务自动化评测。