「代码评估数据集」共找到 4449 篇相关文章
刚刚开源就斩获 2.7K Star！吴恩达老师开源了一个 AI 员工 OpenWorker！
吴恩达老师开源了桌面 AI Agent OpenWorker，对标闭源 Agent。它能交付成品，本地优先、支持多模型，重要动作需审批。有 25+ 连接器，支持定时任务和角色模板，提供多方式上手。
见微知著：LLM 奖励建模的「Analytic Rubric」范式全面综述
该文是对LLM奖励建模的「Analytic Rubric」范式的全面综述。介绍了Rubric概念来源，指出传统奖励模型存在对齐风险，而Rubric RM在多方面取得平衡，还阐述其工作流、各维度研究情况及面临的挑战。
王云鹤眼中的Harness：复杂优化问题，AGI灵魂争夺之战
王云鹤在知乎文章中探讨Harness Engineering，指出Agent=Model+Harness，多模型配合能提升Agent能力。还分析Harness存在的必要性，认为它是复杂优化问题，关乎AI“灵魂”之争。
ThinkingAI硅谷首秀，发布企业级Agent平台Agentic Engine｜甲子光年
美国当地时间4月16日，ThinkingAI在硅谷举办发布会，宣布更名并发布企业级Agent平台Agentic Engine，还与Minimax达成合作。该平台有行动闭环、全域感知、私有化部署三项核心能力，能让系统替企业完成业务全流程。
Routa 桌面版发布：内建 Harness 工程的 AI Coding 研发协作工作台
Routa桌面版发布，它是内建Harness工程的AI Coding研发协作工作台。围绕Routa构建Harness工程框架，Kanban成为任务协议，多Agent沿泳道接力协作，重新定义了‘done’，让AI Coding进入协作与交付问题域。
受够了Copilot的“霸王条款”？GitHub全球宕机遭怒骂，引爆开发者“大逃离”！
GitHub 大面积宕机，引发开发者抱怨，虽已恢复服务，但未公布故障原因，不少人怀疑与 Copilot 有关。同时，Gentoo Linux 因 Copilot 强制启用争议计划迁仓，个人开发者也有逃离意向。
医疗AI迎来大考！南洋理工发布首个LLM电子病历处理评测 | AAAI'26
南洋理工大学研究人员构建EHRStruct基准，涵盖11项核心任务、2200个样本，用于评测LLM处理结构化电子病历的能力。研究发现通用大模型优于医学专用模型，提出的EHRMaster框架与Gemini联合后性能超现有模型。
阿里Qwen又悄悄放出8个开源权重，卷疯了~
阿里通义千问太卷，悄悄放出8个开源模型权重，包括体积更小的Qwen3-VL及FP8权重。这一代实现全方位升级，提供两种架构、两个版本，架构也有更新，还给出使用示例与模型权重链接。
《2025新智元ASI前沿趋势报告》全文
新智元十周年峰会现场，重磅发布《2025新智元ASI前沿趋势报告》，预测2027抵达ASI临界，智能体全面爆发，图谱融合全球数据刻画全球竞争格局。
2025年如何学AI？如何用好AI？
文章围绕2025年学AI、用AI展开，作者黄益贺分享问答，涵盖学习指引、工具使用、产品赛道选择等多方面内容，如建议新手边用边学，对比不同工具功能，还分析了各模型和工具的特点与适用场景。