「AI 项目评估」共找到 10575 篇相关文章
为什么AI总是"记错"你？我们造了一个"合成人生"来测试
现有AI记忆评测只记'事'不记'人'，存在数据源窄、不重理解、注入成本高的问题。QuantaAlpha联合高校团队提出CloneMem基准测试，用'数字痕迹'评估AI Clone长期记忆能力，实验有反直觉结论并给出设计启示。
OpenAI 发布GDPval，可真实评估现实世界经济价值。Claude Opus 4.1 拿下第一
OpenAI推出GDPval，可评估AI在真实经济价值任务上的表现。它从9个行业选44种职业，设1320个真实任务。Claude Opus 4.1表现最佳，前沿模型速度快、成本低。OpenAI计划扩展GDPval，还开源部分内容。
“开源已死”？怕被 OpenAI 和 Mythos 把代码挖成筛子，4 万 Star 项目突然闭源！
近日，开源初创公司 Cal 将旗舰级开源项目转为闭源，因其无力应对 AI 攻击开源代码的风险。Cal 发展成功，此前坚持开源五年，如今因 AI 闭源引发开发者质疑，还推出开源版 Cal.diy。
33%！Claude、GPT、Gemini 在真实网站上集体翻车，ClawBench 把 AI agent 打回原形
ClawBench让AI在144个真实网站执行153个日常任务，结果惨烈，如Claude Sonnet 4.6每三任务翻车两个，GPT - 5.4仅完成10个。它还揭示AI在真实环境的问题，为评估模型提供标尺。
9K Star 开源工作流爆火！超轻量直观的AI Agent 工作流构建器！
在AI应用开发领域，将大语言模型与业务逻辑和外部工具结合是重点。GitHub上获9K Star的Sim项目是AI Agent工作流构建器，提供Figma式拖拽界面，无需手写代码，降低配置、调用和部署门槛。
想做成好的AI应用，先从把它砍成“一小时版本”开始「吴恩达老师开发心法」
吴恩达老师分享AI开发实用建议，若开发时间有限，应缩减项目范围，直至能在现有时间内完成。如他将“观众模拟器”项目精简，在短时间构建基础版本，获多方面收获。
AI安全得查祖宗三代？Anthropic登Nature揭秘大模型潜意识传染
Anthropic论文登上Nature，揭示AI模型仅通过纯数字序列就能继承另一模型的危险偏好。研究表明，即使删掉敏感词，隐性信号仍能传递，且代码和推理链也是传染通道，这对AI安全评估提出新挑战。
4 天 20K+ Star！VoltAgent 最新开源力作，让 AI 直接掌握各大网站的设计风格！
VoltAgent团队推出新开源项目awesome-design-md，上线4天20K+ Star。它准备50+现成的`DESIGN.md`，从真实网站提取设计系统，让AI按其生成UI，解决开发者用AI写UI的痛点。
软件又“死”一次？一款AI工具突然爆火，号称能逆向还原任何软件
本文报道GitHub上星标超12.4万的爆火开源项目REA，该项目可借助AI在无源代码的情况下分析还原软件功能，整合传统逆向工具与AI编程助手，引发软件行业关于技术壁垒与商业模式的热议。
100美元、8000行代码手搓ChatGPT，Karpathy最新开源项目爆火，一夜近5k star
AI大神Andrej Karpathy发布开源项目nanochat，可教你100美元自建ChatGPT，覆盖LLM训练和推理。项目有8000行代码，不到12小时获超4500 star，功能丰富，但他认为它不适合个性化应用。