「编程Agent评测」共找到 4020 篇相关文章
RDSAI-CLI - 用AI重塑数据库终端CLI体验
阿里云RDS团队在发布「RDS AI助手」后，推出智能终端工具RDSAI-CLI。它融合大语言模型能力，将数据库命令行操作升级为意图式交互。该工具已开源，有基础与高级功能，未来还会持续优化。
腾讯组织大调整，前 OpenAI 研究员姚顺雨担任首席 AI 科学家
腾讯进行组织架构大调整，成立AI Infra部等部门。前OpenAI研究员姚顺雨出任首席AI科学家，兼任多职。此次调整旨在整合模型、数据、算力，腾讯还大力招募人才，此前元宝借开源起量，凸显自研重要性。
GPT-5.2刚发布就要被网友玩坏了~
11月19日Gemini-3-pro发布，一周抢1200万用户，OpenAI市值受威胁，GPT-5.2提前上线，专注推理、速度和削减幻觉。文中介绍其技术要点，也展示网友实测情况，如被Gemini-3.0碾压等。
AI 行业最新的 18 个前沿认知
文章整理了火山引擎AI领航者计划活动中，大厂、投资人和创业者对AI行业的18条前沿认知，涵盖模型层、应用层和产业层，如强化学习成竞争焦点、视频生成将崛起等，展现2026年行业新趋势。
高智商 ≠ 高财商？50天实盘测试：LMArena 高分王者也可能是「韭菜」
伊利诺伊大学厄巴纳 - 香槟分校团队开发 LiveTradeBench，让大模型在真实金融市场交易，检验其能力。它全面开源，有实时数据、组合决策等创新，50 天实测揭示模型财商差距。
JinaVDR: 一个图文混排文档搜索任务的基准集
现有文档检索基准大多只考虑纯文本，难以处理含图表等视觉信息的文档。JinaVDR 应运而生，它是图文混排文档搜索基准集，含多语言、多领域数据，可评估模型在复杂视觉文档的检索性能。
普林斯顿发现RLHF显著加剧了LLM胡扯！
普林斯顿研究提出‘机器胡扯’概念，构建分析框架，含胡扯指数、行为分类法和评测集。实验揭示RLHF加剧胡扯，政治语境模型爱‘打太极’，为构建诚实AI提供工具和理论。
Cursor 0.50 版本升级后如何省钱又高效？一份给开发者的避坑指南
本文围绕Cursor编程助手日常应用展开，讲解计费机制、工具调用等核心要点，结合实践给出高效使用方法论与避坑指南，如合理选模型、巧用工具、设置规则等。
AI算力之争不靠堆卡！浪潮信息捅破智算「能力天花板」，还瓦解了「产能焦虑」
文章分析了Agent时代AI算力需求的质变，提出能力型和容量型智算两个方向，介绍浪潮信息发布的两款新品，突破堆卡瓶颈，重新定义AI算力产业价值
YC 2026 Startup 复盘：硬件、数据的都在挣钱，应用团队开始自己训模型了
本文是YC核心团队基于过去12-18个月的创业项目数据，复盘AI创业生态的最新变化，拆解硬科技、软件、数据服务等赛道的新机会与趋势，为AI创业者提供方向参考。