「个性化助手评测」共找到 1117 篇相关文章
Cursor只排第6！136国用户实测25款AI编码工具，第一名73%胜率，还是个新面孔
Design Arena评测平台用对抗式评测方法，让用户对AI模型生成的设计作品投票，评估其设计美学表现。文章总结了上榜的编码工具，如new.website胜率约73%排第一，还对比了不同类型模型的排名情况。
具身大满贯还全开源！原力灵机DM0.5登顶RoboDojo，且clone且珍惜
原力灵机的DM0.5登顶具身评测RoboDojo，在记忆维度表现突出，还在其他权威评测中成绩优异。它有强泛化能力，在多场景表现佳。其从数据、架构、效率全面升级，且全面开源，赋能具身生态。
程序员的提示工程实战手册
文章围绕程序员如何利用提示工程让AI编程助手成为可靠开发伙伴展开。介绍给AI代码助手的提示词技巧、高效代码提示原则，还阐述调试、重构、实现新功能的提示模式，指出常见反模式及应对方法。
ICML2025 | 揭示MLLM的图文联动推理能力
当前多模态大语言模型（MLLMs）在图文深度融合推理能力上面临挑战，现有评测基准无法真正检验该能力。EMMA基准应运而生，它从四大领域精选题目，采用双重过滤机制和细粒度标注体系，评测发现MLLMs存在多模态推理危机。
同一个模型，换套框架成绩差27%：SWE-bench分数到底谁说了算？
编程Agent评测是笔糊涂账，SWE - bench虽成事实标准，但分数不适合直接横向比较。基元律动等机构发布Claw - SWE - Bench基准，将模型、harness和任务集拆分，通过实验揭示harness对成绩影响大，还解决通用Agent评测问题，推出低成本Lite版。
R-HORIZON：长程推理时代来临，复旦NLP&美团LongCat重磅发布LRMs能力边界探测新范式
复旦大学与美团LongCat Team联合推出R - HORIZON，它是首个系统性评估与增强LRMs长链推理能力的方法与基准。提出Query Composition方法构建评测基准和训练数据，评测发现主流模型长链推理性能断崖式下降，还分析出三大瓶颈，训练后模型性能双重提升。
GitLab 18.0 发布，引入 AI 编码助手
GitLab发布自托管DevSecOps平台18.0版本，为Premium和Ultimate档引入更多AI功能，如代码建议、智能聊天、自动代码分析等，还在性能、安全、管理等方面有改进，部分用户升级遇问题。
2w star，网页秒变 AI 助手，厉害了！
阿里项目`PageAgent`登上Github热榜，是纯前端JavaScript GUI智能体框架。它让网页拥有AI Agent，通过自然语言控制界面，无需截图、OCR和多模态大模型，有多种功能特性，使用简单。
The Batch: 870 | 手机上的主动式AI助手
谷歌发布Pixel 10，搭载Magic Cue AI系统。它基于新版Gemini Nano，运行在Tensor G5处理器上，能预判用户需求，自动提供相关信息。谷歌早就在手机推AI，此次将其深度融入系统和应用。
刚刚，Claude最新功能泄露！主动助手Orbit接管一切工作
2026年5月4日，testingcatalog挖出Claude隐藏功能Orbit，大概率会在5月6日Code with Claude大会发布。Orbit是主动式简报+洞察系统，跨Claude和Claude Code平台，能自动生成多工具简报，改变产品形态。