「自动化评测」共找到 1118 篇相关文章
姚顺雨提到的「AI下半场」，产品评估仍被误解
OpenAI研究员姚顺雨提出「AI下半场」重点转向定义问题，评估重要性超训练。亚马逊Eugene Yan发文补充，指出产品评估常被误解，应运用科学方法，践行评估驱动开发，自动化工具也需人工监督。
刚刚，真正好用的Windows版「Cowork」上线了
国产大模型昆仑天工发布 Windows 原生「Cowork」—— 天工 Skywork 桌面版，为全球用户提供「Cowork 平替」。它能自动化处理本地文件，支持多模型，功能丰富，价格实惠，还能高效完成复杂任务。
Claude Opus 4.7发布：更强能力，自我纠错，越来越不需要人类干预了
Anthropic发布Claude Opus 4.7版本，搭配Routines功能可自动化工作，人类干预减少。该版本能力大幅增强，还引入护栏机制保障安全，推出新运算级别和任务预算功能。
Google说，2026年AI Agent会有这五大趋势！
Google Cloud发布2026年Agent趋势报告，认为能改变业务的转折点是Agentic AI，总结了五大趋势，如人人都有Agent、流程自动化等，核心是让员工成Agent管理者和协调者。
99% 确定：OpenAI Dev Day 将发布可视化 AI 工作流工具，“AI Fabric”成为新的关键词
全网传 OpenAI 将在 Dev Day 发布类似 n8n、dify 的 Agent Builder，TestingCatalog 试用称其为‘最流畅的 Agent 构建画布’。它能让开发者在统一界面操作，或影响自动化工具市场。
你的 Harness 工作流真的在进步吗？我们用一场考试撕掉了遮羞布
文章指出Harness工作流常靠‘主观vibes’驱动，缺乏有效评价体系。为此推出Harness Eval评测系统，包含出题、答题、改卷等环节，形成闭环，帮助工作流持续改进，还能提升整体通过率。
智元机器人发布并开源首个机器人动作序列驱动的世界模型
近日，智元机器人发布并开源全球首个基于机器人动作序列驱动的具身世界模型 EVAC 及具身世界模型评测基准 EWMBench，构建全新开发范式，打破具身智能演进制约。
19.2K Star！Linux上无缝运行Win应用，超酷~
在Linux系统下运行Windows应用一直是难题，开源项目WinBoat能让Linux用户无缝运行Windows应用，通过容器和远程桌面技术，将Windows应用变Linux原生窗口，还具备自动化部署等多样功能。
打造图像编辑领域的ImageNet？苹果用Nano Banana开源了一个超大数据集
苹果研究团队提出Pico - Banana - 400K数据集，基于Nano - Banana在OpenImages实拍照片生成编辑对。其系统化设计保证质量与多样性，还构建自我编辑评估流程，为图像编辑模型训练评测奠定基础。
openJiuwen社区开源新招：重磅发布JiuwenSwarm，拉开群体智能“养蜂”序幕
openJiuwen社区开源蜂群智能体JiuwenSwarm，落地Coordination Engineering范式。它有全栈技术体系，支持人以HOTS和HITS模式参与协同，实战效果佳，且在评测中表现亮眼，全套能力开源。