「工程基准」共找到 1647 篇相关文章
Claude Sonnet 4 API 支持百万上下文:解锁真正的生产级AI工程
Anthropic宣布Claude Sonnet 4支持100万Token上下文窗口，容量是之前5倍。长上下文支持已向部分客户公测，将推给更多用户。该功能已在亚马逊Bedrock公测，也将登陆Google Cloud。还介绍了用例、定价及早期用户好评。
从 MCP 到 Agent：构建可扩展的 AI 开发生态的工程实践
本文整理自字节跳动 Trae 架构师陈仲寅在 AICon 2025 上海的分享。探讨通过 MCP 及 Agent 构建可扩展生态体系，涵盖自定义 Agent 设计、与工具集成及共建等内容，还展望技术演进方向与 AICon 深圳站信息。
当大模型陷入幻觉循环，如何用工程化给它“立规矩”？
普林斯顿和伯克利研究定义“机器胡扯”，指出大模型胡扯问题。蚂蚁集团旗下蚂蚁密算在2025 WAIC提出高阶程序（HOP）框架，为大模型注入规则，还开源此框架，其在多行业场景应用效果良好。
首个GUI多模态大模型智能体可信评测框架+基准：MLA-Trust
MLA-Trust 是首个针对 GUI 环境下多模态大模型智能体的可信度评测框架，构建了涵盖四核心维度的评估体系，对 13 个模型深度评估，揭示可信度风险，还提供评估工具箱，推动其可靠部署。
不做手机缩小版：AI 健康记录迁到手腕，要跨过哪些工程鸿沟？
文章聚焦HarmonyOS穿戴应用，如「小卡健康」将健康记录入口移到手表，还介绍「开练」「凯格尔运动」应用。阐述了从接口到产品需解决权限、断连等问题，强调要为用户提供合适体验。
知名产品工程师开源「一整套编程skill」，每个人都能有顶级的工程习惯
现在用AI写代码存在效率低、浪费token等问题，知名开发者tw93发起开源AI编程skill库Waza，将顶尖工程师习惯转化为Claude Code可运行技能，推出8实用技能，还提供两个小脚本。
Claude Code一周份额，一天就烧完一半？有人逆向工程发现了7个bug
Claude Code在快速更新中问题频发，如思考深度大幅下降，还存在7个叠加的bug，浪费用户token配额。开发者给出应对建议，新版本增加账单透明度和缓存过期提醒，该工具正面临信任危机。
美国启动人工智能「创世纪计划」：打造AI版曼哈顿工程，270天就要见到效果
2025年11月24日，美国白宫发布行政令启动「创世纪计划」，对标「曼哈顿计划」。该计划将战略重心转向AI赋能的科学发现，盘活联邦数据与算力，构建平台，锁定六大领域，设定时间节点确保执行力。
OpenAI新幻觉论文惹争议！GPT-5拉胯是测试基准有问题？？
OpenAI新论文《语言模型为何会产生幻觉？》提出，模型有幻觉是因标准训练和评估流程倾向奖励“猜对”。GPT - 5不爱猜测，在榜单表现不佳，网友质疑论文是为GPT - 5挽尊，论文引发网友多方向讨论。
隐藏超多上下文工程（Context Engineering）技巧的框架，来试一试吧！
文章指出多数人构建的AI Agent像Shallow Agent，处理复杂任务能力弱。以Claude Code等为例，介绍深度Agent架构的秘密，如冗长提示词、规划工具等，还推出开源包deepagents方便上手。