「评估问题」共找到 3759 篇相关文章
DeepMind首个猜想库开源，获陶哲轩力挺！
谷歌DeepMind开源首个形式化数学猜想库，获陶哲轩力挺。该库用形式化语言重述数学猜想，为AI提供“标准答案模板”，还采取措施确保准确性，诚邀各方参与贡献。
开发者的快乐：提升开发者生产力更好的方式
开发者兼思想领袖Trisha Gee和Holly Cummins认为，快乐是提升开发者生产力的秘诀。文章从多方面探讨如何通过拥抱好奇心、减少摩擦等提高产出，还提及AI使用、生产力衡量等问题。
卷疯了！2.2k Star通用型、开源Agent平替Manus、GenSpark AI
2025 年是 Agent 之年，文中介绍了 Manus、GenSpark AI 两款闭源代理，还重点阐述开源的 II - Agent，它功能丰富，架构设计合理，在 GAIA 基准测试评估，性能可平替前两者。
RSS 2025｜从说明书学习复杂机器人操作任务：NUS邵林团队提出全新机器人装配技能学习框架Manual2Skill
新加坡国立大学邵林团队提出 Manual2Skill 框架，利用 VLMs 将说明书视觉指令转化为机器人装配技能，含层级化装配图生成、分步骤位姿估计、动作生成与执行三阶段，实验验证其在多场景的有效性。
Arc 创始人自白：为什么我要豪赌 Dia 浏览器？
Arc和Dia浏览器创始人Josh复盘决策过程。他表示停止Arc开发、转向Dia是深思熟虑的，Arc有不足，而Dia能弥补弯路。还谈及Arc开源问题，认为未来浏览器将变革，看好Dia成为继任者。
一分钟做3D音符版“跳一跳”，Flowith成通用Agent新“必玩王者”丨TIP 003
Flowith作为较早出海的AI产品，以自由画布+通用Agent组合出圈。其Neo版本技术功能强，产品服务有亮点，如不限DeepResearch任务、以人为主的智能代理、回答速度快等，虽有不足但未来值得关注。
让GPT-4.1「头皮发麻的考试」！OpenAI给大模型上强度，AI能赢吗？
OpenAI 公布 MRCR 评测标准数据集，其针对 AI 模型上下文能力进行「奥运会」级别测评。MRCR 提升了测试难度，能揭示 AI 能力边界，推动模型发展，帮助更合理应用技术。GPT4.1 在一些测试中表现出色，未来 AI 能力上限充满可能。
25位IT大佬亲述：AI「吃掉」程序员！码农黄金时代终结
AI Impact Lab创始人探讨AI对技术岗位影响，提到AI公司熟悉技术岗、指标清晰等原因或致其先受冲击，调研显示AI未改变多数岗位但影响初级岗位招聘、模糊岗位边界，还对未来技术就业市场做了预测。
Harness已过时，OpenAI、腾讯在搞下一个AI爆点RSI
本文解读Theseus Labs发布的RSI行业分析报告，该报告汇总全球72家头部AI团队公开资料，提出RSI五级自主权框架与HCI评估指标，梳理大厂进展与产业落地实践。
刚刚，Anthropic公布Fable 5.1保姆级使用技巧，看完少走十天弯路
Claude Fable 5.1虽可兼容旧版提示词，但行为习惯有变化。官方整理提示词与工程落地指南，涵盖思考程度、工具调用进度汇报、独立工具批量调用等多方面使用技巧和避坑细节。