「编程Agent评测」共找到 3990 篇相关文章
人类造工具200万年，工具开始研究工具！97年天才少年带队，把“AI寻找研究方向”做成了现实
2026年AI开始研究AI（AI4AI），深圳EvoMap团队用蜂群协作做出产品EvoX。他们创新Agent组织方式，有实验数据支撑其效果，还开源成果AutoResearch解决AI痛点，在生活场景优化旧算法可行。
黑客已死！Claude 两周挖出 Firefox 22 个漏洞
Anthropic与Mozilla合作，让Claude Opus 4.6对Firefox代码库做漏洞挖掘，两周发现22个漏洞，14个高危。Claude发现漏洞能力强，但利用漏洞能力弱。还研究用LLM做「补丁Agent」，为AI辅助安全研究建规范。
这个春节P图不求人！小红书开源图像编辑新SOTA
今日小红书基础模型FireRed - Image - Edit亮相，在复杂编辑指令、风格化转换等核心指标表现强，在多项权威测试达SOTA。该项目代码等已开源，模型权重将开源。团队还推出RedEdit Bench评测方案。
从「知题」到「知人」：UserRL让智能体学会「以人为本」
大语言模型距成真正用户伙伴缺‘知人’能力。来自UIUC与Salesforce团队提出UserBench和UserRL方案。前者将‘用户特性’制度化，构建评测环境；后者搭建统一强化学习框架，探索奖励建模，二者让‘以用户为中心’落地。
不换模型，效果提升104%！上海AI Lab让Harness也能自进化了
上海人工智能实验室团队提出的Self-Harness引发关注，它针对Agent外层Harness改进。实验显示，在Terminal-Bench-2.0上，不换模型只改Harness，Qwen3.5-35B-A3B等模型效果显著提升。
当10亿个AI一起模拟未来：李飞飞和Karpathy共同押注的新赛道｜5Y Research
本文聚焦Multi - Agents模拟预测这一AI前沿方向，介绍其发展、原理、应用场景及代表公司。它能为人类社会建可反复运行的“世界模型”，虽潜力大，但面临验证难、技术瓶颈等问题。
藏师傅开发的 Codepilot 保姆级入门攻略
本文是藏师傅开发的 Codepilot 全平台通用开源 Agent 客户端的保姆级入门攻略，介绍了其特色功能，涵盖安装、配置服务商、聊天、技能使用等方面，助读者快速上手。
代码采纳率如何提升至50%？AI 自动编写单元测试实践总结
文章围绕借助Aone Copilot Agent提升AI代码采纳率至50%展开，介绍项目背景、实践方案、执行过程等，阐述Prompt规则生成方法，分析核心价值与效果，总结经验教训，展望未来技术演进和团队能力建设方向。
Sora爆火之际，这家AI公司的DAU正以每月翻倍速度狂奔——Agnes
OpenAI的Sora爆火，而AI Agent产品Agnes正走不同路线。它三个月内全球注册用户破百万，DAU逼近10万，ARR达780万美元且近乎每月翻倍。其多模态社区预计10月上线，追求“Vibe Lifestyle”理念。
OpenAI 董事会主席：「按 token 计费」大错特错！市场终将选择「按成果付费」
OpenAI 董事会主席 Bret Taylor 参与访谈，探讨创业者在 AI 浪潮中的机会。他将 AI 市场分为三条赛道，认为基础模型创业难，应用 AI 是生路，长尾 Agent 公司或取代 SaaS，商业模式应转向按成果付费。