「自动化评估」共找到 1147 篇相关文章
正确答案 ≠ 正确推理，CoT 或成大模型推理能力停滞的「罪魁祸首」？
研究指出当前大模型推理能力评估多关注答案准确性，忽视推理步骤。通过对前沿模型测试发现，2023 - 2024 年大模型推理能力提升停滞，进步靠提示工程，自底向上策略最有效。
Anthropic 提出透明度框架以保障前沿 AI 发展
Anthropic提出新透明度框架，针对大型AI公司，实施安全开发框架评估并减轻潜在风险，要求公开披露SDFs和系统卡片，小型公司豁免，还设执行合规条款，旨在平衡安全与创新。
Google | 溯源分析RAG系统错误，提出选择性生成框架，让RAG问答准确率提升10%
Google对RAG系统错误深入分析，引入‘充分上下文’概念，指出幻觉或因上下文不足。构建评估器，提出选择性生成框架，结合多信号决策，实验显示可让RAG问答准确率最高提升10%。
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。
「AI 100」榜单启动招募，AI产品“年会”不能停丨量子位智库
2025年国内AI产品关键词频现，各有代表性产品。量子位智库2025年度「AI 100」榜单开启招募，分三大板块，用定量与定性结合评估体系，还公开AI产品知识库。
The Batch: 897 | 科学实验室的通用语言
上海人工智能实验室发布开源的 Science Context Protocol (SCP)，它能连接 AI 智能体与多设备进行自动化科学探究。相比 MCP，其结构更安全，可管理模拟和实体实验，促进跨学科合作。
Cursor要凉？我扒出33个隐藏技巧，把Claude Code调教成完全体！
作者分享Claude Code实用技巧，指出其默认状态有问题，如犯低级错误、无回滚功能。介绍基础设置、项目规则、用Hooks实现自动化等内容，能大幅提升其使用体验和生产力。
刚刚，UCLA周博磊也加入了一家机器人公司
加州大学洛杉矶分校副教授周博磊官宣加入机器人初创公司Coco Robotics，同时该公司成立Physical AI Lab，周博磊任首席AI科学家。Coco积累大量数据，想借此推进自动化研发，且与OpenAI有合作。
真是天才！有人把做软著做成了skill，自动生成全套软著申请材料
介绍了SoftwareCopyright - Skill，它能一键生成符合软著申报要求的源代码文档和用户操作手册，全链路自动化，功能特点多，如真实代码抽取、智能合规排版等，还给出项目链接。
让AI自动构建AI模型：UCSD 推出 AIBuildAI 智能体，斩获OpenAI MLE-Bench榜单第一
近日，加州大学圣地亚哥分校研究团队开发 AIBuildAI 智能体，可全自动构建 AI 模型。它在 OpenAI MLE - Bench 基准测试 75 个任务上以 63.1% 获奖率居榜首，实现端到端自动化。