「质量评估」共找到 1290 篇相关文章
AI实力榜大洗牌！OpenAI谷歌强势领跑，Anthropic节节败退
Poe最新报告显示，2025年1 - 5月AI各领域市场份额大洗牌。OpenAI和谷歌势头猛，Anthropic掉队。文本生成、推理、图像等各领域竞争激烈，企业需搭建评估体系，按需选模型。
5B参数+4060Ti，10秒出图，全流程开源可复现！补齐统一多模态生成编辑的开源版图，让高质量图像生成真正变得更轻量、更普及
近日，多机构联合发布统一多模态生成编辑模型DeepGen 1.0，仅5B参数，集成五大能力，4060ti 16G上10秒出图，多项指标超大4倍工业级模型。团队开源全流程代码与数据，可从零复现。
Vibe Coding，杀死开源！
Vibe Coding 带来编程效率狂欢，却切断开源生态维护者与用户联系。研究指出，AI 成「中间商」，使开源维护者得不到关注反馈，高质量开源项目或枯竭，作者设想代码版税机制但实施难。
从物竞天择到智能进化，首篇自进化智能体综述的ASI之路
普林斯顿大学等机构研究者发布首个自进化智能体综述，为领域建统一理论框架和路线图。综述给出形式化定义，围绕What、When、How、Where构建分析设计框架，还探讨评估范式并指明未来方向。
金融版 Claude Code
Dexter 是自主运行的金融研究智能体，类似金融版 Claude Code。能处理复杂金融问题，有智能任务规划等核心能力。文章介绍其先决条件、安装、运行、评估、调试方法及项目地址。
5.8k Star 基于LangGraph的Multi-Agents炒股框架，7种Agent形成金融交易闭环
TradingAgents是模拟真实交易公司运作的多智能体交易框架，用LangGraph构建，有灵活性与模块化特点。由7种LLM驱动的专业智能体协同评估市场、制定决策，还介绍了架构和实战操作。
编程 Agent 可能是软件开发史上最昂贵的错误之一
George Hotz 试用多种 AI 编程 Agent 后，在博客称大规模采用将以灾难告终，认为 Agent 不是程序员，生成代码质量差。此外，OpenClaw 工程师、Uber 高管等也对 AI 编程提出担忧。
突发！NeurIPS拒收这类论文，AI学者集体破防
NeurIPS 2026新规拒收受制裁机构论文，引发中国AI学术圈震动，该规则指向OFAC制裁名单。同时，ICML 2026审稿口碑崩盘，评审意见放出后OpenReview宕机，审稿质量遭大量吐槽。
从需求分析到代码生成，LLM都能干点啥？一文读懂291个软工Benchmark！
大语言模型重塑软件工程各环节，但缺乏评估其在该领域表现的系统工具。浙江大学等机构团队首次对291个软件工程Benchmark系统综述，分析现状、痛点并给出改进方向。
两周 3 万行代码！我们的 7 个 AI “粪堆求生” 最佳编程实践
作者分享开发 AutoDev Workbench 时用 AI 辅助编程的 7 个实践，包括用 DeepResearch 脑暴需求、多工具构建 UI 原型等，还指出要提升 AI 交互效率和代码质量，形成成熟开发方法论。