「软件评测」共找到 1195 篇相关文章
高效智能体的「幕后推手」是谁？一篇综述带你从记忆×工具学习×规划看透
随着大模型能力提升，业界关注智能体落地，而高效性是决定能否上线的‘硬’问题。论文梳理‘高效智能体’综述，从记忆、工具学习、规划三机制出发，还谈及基准评测、挑战与展望。
5行代码，逼疯整个硅谷！澳洲放羊大叔，捅开AI编程奇点
澳大利亚养羊大叔Geoffrey Huntley的5行代码Ralph-Wiggum循环震动硅谷。它让Claude Code和Cowork发展，开发者用其屡创佳绩。该技术强调失败价值，虽有局限，但预示软件开发行业深层转型。
一文读懂：数据中心“拥抱”ARM架构，为何如此艰难？
文章探讨企业数据中心采用ARM架构面临的难题。如现有x86架构主导，切换有兼容性问题；ARM硬件选择有限、性能不足；云服务功能难对等；软件支持和许可证问题也阻碍其应用。
AI“压力面”，DeepSeek性能暴跌近30% | 清华&上海AI Lab
上海人工智能实验室等团队设计REST框架，在一个prompt里抛多问题模拟复杂推理场景。结果显示，DeepSeek - R1等模型高压下性能大幅缩水，REST能拉开不同模型差距，还揭示评测方法局限。
人类研发时代结束？XYZ最强Search Agent横扫七大榜单，300个Agent跑通AI4AI全栈闭环
近日，XYZAI Lab发布两款Deep Search Agent，刷新多项评测SOTA成绩。其背后是新型AI4AI研发范式，让AI驱动研发闭环。XYZ团队用AI解决多方面问题，在Deep Search验证，未来有望拓展更多场景。
智谱发布龙虾基座模型GLM-5-Turbo，还适配了一个养龙虾的盒子
智谱发布专为龙虾场景深度优化的基座模型GLM - 5 - Turbo，从底层训练重塑，增强四项核心能力。发布评测基准ZClawBench，模型表现领先。还推出龙虾套餐和安全管理体系，助力企业实现算力自由与安全管控。
Altman承认“搞砸了”！曝 GPT-5.2 牺牲写作换顶级编程，明年成本降 100 倍，实锤Agent 已能永久干活
OpenAI CEO Sam Altman 在研讨会上勾勒 GPT-5 进化蓝图，承认 GPT-5.2 研发“搞砸”写作能力，承诺到 2027 年底其智力成本降 100 倍，还提出未来软件应“随需随生”，重构操作系统。
Cursor一夜翻车，AI 300万代码写浏览器被打假！全网群嘲「AI泔水」
Cursor宣称GPT - 5.2连肝7天造出浏览器，但开发者发现其代码无法编译，是缺乏工程逻辑的“AI泔水”。这一行为激怒开发者，也揭示AI编程需明确分工，未来软件开发靠“开挂工程师”带领AI。
IDE消亡之年？Steve Yegge两句狠话：2026年还用IDE就不行，每天烧500–1000美元Token才合理
Steve Yegge和Gene Kim认为，从2026年1月1日起，依赖传统IDE的工程师会被拉开差距，这是‘生产方式换代’。他们还提到AI将重塑软件开发，无开发或成现实，新开发方式价值更优。
VaseVQA：考古领域实现专家级，诊断+补弱RL框架
在文化遗产与人工智能交叉领域，研究人员提出把大型多模态模型放于‘诊断—补弱—精细化评估’闭环训练，配套结构化评测基准，让模型在文化遗产领域接近专家级能力。介绍了技术步骤、数据基准及关键发现等。