「评估工具」共找到 2519 篇相关文章
狂揽24k+ star，Web 开发效率快5倍！
传统浏览器调试工具操作繁琐、效率低，难以满足开发者需求。开源工具`Responsively App`基于Electron构建，可同时展示多设备视图，有交互同步等功能，获24k+ star，支持多系统，安装便捷。
AI编程界炸出新黑马！吊打Cursor、叫板Claude Code，工程师曝：逆袭全靠AI自己死磕
近期，AI编程黑马AmpCode崛起，与Claude Code并列S级，吊打Cursor。Sourcegraph工程师分享其研发理念，认为应放权给模型。此外，还探讨了企业对AI工具的分歧、编程工具变革及AI对开源的影响。
GitHub MCP 注册中心提供了一个发现和部署 MCP 服务器的中心枢纽
GitHub 推出 MCP 注册中心，旨在帮开发者发现和使用 AI 工具，简化 AI agent 连外部工具的过程。它列出 40 多个 MCP 服务器，还展示受欢迎程度。此外，Docker、Postman 等也有相关目录。
从科学论文自动生成视频
该项目解决学术演示两核心问题，用智能体PaperTalker生成视频，还设Paper2Video基准评估。介绍了PaperTalker使用步骤，含环境、配置、推理，也说明了Paper2Video评估指标及运行方法。
中国团队首次在Nature子刊发布医疗AI标准，未来医生MedGPT摘得全球桂冠
中国AI医疗公司“未来医生”协同专家制定CSEDB，首次提出评估医疗大模型临床能力的系统性框架，被《npj Digital Medicine》收录。在其评估下，未来医生的MedGPT在主流大模型中夺冠。
揭秘大模型评测：如何用“说明书”式方法实现业务场景下的精准评估
文章系统性介绍业务场景下大模型评测流程，包括需求分析、评测集设计生成、维度设定、任务执行和报告输出。指出评测挑战，如设计维度和集，还给出评测方法及案例，像蚂蚁评测集、业务自动化评测。
麻省理工 NANDA 研究发现，只有 5% 的组织把 AI 工具大规模用于生产
麻省理工 NANDA 报告指出，95%企业组织的 AI 投入无回报，仅 5%将 AI 工具规模化用于生产。原因是 AI 系统存数据、适应变化及持续学习能力不足，领导层对 AI 项目信心下降。
ACL2025 | 代码助手火了，但安全吗？所有模型评估结果都很扎心
近期，GitHub Copilot、ChatGPT等AI代码生成工具爆火，效率显著提升，但代码安全性存疑。北大团队用CoV-Eval评测20款主流大模型，结果不佳，论文还给出优化方向，呼吁代码上线前严格测试。
Nature点赞！哈佛MIT最新作：AI科学家时代来了
哈佛MIT推出ToolUniverse，这一开源框架让AI用自然语言操作600+科学工具，解决了科学研究中AI智能体面临的工具格式不统一等问题，推动科研自动化升级，助力打造AI科学家。
扬言将杀死9个行业，21岁小哥又开发人生作弊器，曾被哥大、哈佛开除
曾被哈佛、哥大开除的21岁小哥Roy Lee创办Cluely公司，推出AI工具Cluely，获多轮融资。该工具能在多场景实时辅助，被称“人生作弊器”，虽有伦理争议，但或颠覆更多行业。