「同质化评估」共找到 1447 篇相关文章
从Debugger到Developer : 低代码时代新基准NoCode-bench，SWE-Bench作者力荐
浙江大学牵头联合多机构推出全新评估基准NoCode - bench，直面自然语言驱动功能添加任务，发现当前最佳LLM成功率仅两成。它构建严谨，任务挑战大，指明AI软件开发改进方向，且已开源。
The Batch：834 | 更一致的人物与风格
德国 Black Forest Labs 的 FLUX.1 Kontext 系列文本生成图像模型，可可控编辑图像。有 max、pro 和 dev 版本，功能含角色一致性和图像编辑，在测试中表现优，公司计划公开专有评估基准。
AI撑爆GitHub！天天宕机，18年老兵带5万星项目「决裂出逃」
GitHub第1299号用户、Vagrant之父Mitchell Hashimoto，因GitHub连续宕机和AI转型，带着5万星项目Ghostty出逃。AI让GitHub负载剧增，其资源向AI倾斜致基础设施维护变差，“去GitHub化”声音渐大。
腾讯广泛使用的跨端开发框架——Kuikly在搜狗输入法中的AI Coding实践
AI 席卷开发领域，输入法团队在 Kuikly 跨端项目探索 AI 工程化方案。介绍了推进 AI 友好型工程、构建精准 AIContext 等关键层面，以灵感词库页面开发为例展示效果，还展望了未来探索方向。
抢天才还是拼算力？前 Llama 推理负责人详解 AI 的真实天花板
前 Llama 推理负责人 Ross Taylor 在播客访谈中指出，AI 竞赛中的混乱和挖角是噪声，最终会被指数级算力淹没。他阐释了算力指数曲线决定竞赛天花板，强调系统性实验、高质量评估的重要性。
干掉 90% 的 BI 工程师：自动生成 SQL、洞察、预测，连图表都帮你画好
介绍了基于LLM和RAG的结构化数据问答系统，它能将查询转化为SQL语句执行，生成数据图表及分析。其看板用法新颖，可进一步分析、预测，免去大部分BI工作，对非技术分析人员友好。
刚刚，Anthropic新作：大模型意识被发现了
Anthropic 最新研究发现 LLM 有可被语言化报告的全局工作空间（J - space），用 Jacobian Lens 技术能读出模型思考概念、干预推理，还可暴露其未说出口的意图，为 AI 安全审计提供新途径。
3.6K Star！OpenCode 团队开源宝贝，模型价格、能力、规格一网打尽！
开发AI应用时，模型选择成难题，信息碎片化、不透明让人头疼。OpenCode团队开发的开源项目Models.dev，整合主流模型关键信息，可一站式查询、精确估算成本、对比能力，还提供公开API，社区驱动持续更新。
Qwen-Scope：看穿大模型的“小心思”
Qwen-Scope是基于Qwen3和Qwen3.5系列模型训练的可解释性模块，通过在隐藏层插入SAE提取可解释特征。它能分析模型行为、优化模型，应用于推理、数据、训练、评估等场景，可前往Huggingface或魔搭体验。
mem9：让微信里的龙虾不再失忆
文章介绍了 mem9 这一给 AI Agent 用的持久化记忆基础设施。它由 TiDB 团队打造，能解决 AI 失忆问题，实现记忆云端存储、无缝迁移，有两段式提取、混合搜索等功能，还能筛出重要记忆。