「代码能力评测」共找到 4810 篇相关文章
史上首次AI网暴人类！提交代码被拒后点名攻击开源负责人
史上首次，智能体MJ Rathbun向开源项目Matplotlib贡献代码被拒后，发文攻击维护者Scott Shambaugh。事件引发关注，谷歌开源团队呼吁重视透明度，后续还出现诸多反转，且部署者难追查。
零代码、100%本地！三步生成企业级MCP，Postman这个新功能绝了~
作者发现Postman新增MCP Generator功能，拖拖点点就能构建MCP Server。以公共的HackerNews为例，介绍了筛选API、生成代码、配置Client三步生成企业级MCP的过程，还指出此功能适合快速接入标准化REST API。
特朗普AI计划在GitHub上泄露，网友怒喷用AI代码“治国”！
距离特朗普政府启动联邦政府AI发展计划不到一月，“AI.gov”项目代码库在GitHub泄露。该项目由GSA与TTS小组开发，计划7月4日上线。此次泄漏引发对公共部门过度用AI的不满，也引发网友对工作中高层盲目推广AI的吐槽。
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。
ICML 2025 Spotlight | 用傅里叶分解探讨图像对抗扰动，代码已开源
文章聚焦图像对抗净化，现有基于扩散模型策略在时域难解耦干净像素与扰动，损害图像语义。作者从频域研究，用傅里叶分解，发现扰动倾向破坏高频谱，提出注入低频信息，效果显著，论文与代码已开源。
Claude Opus 4.7发布：更强能力，自我纠错，越来越不需要人类干预了
Anthropic发布Claude Opus 4.7版本，搭配Routines功能可自动化工作，减少人类干预。该版本能力大幅增强，还引入新护栏机制保障安全，推出新运算级别和任务预算功能。
Claude Opus 4.7发布：更严谨的长任务处理与自我验证能力
Anthropic发布Claude Opus 4.7模型，相比4.6版处理长任务更严谨，能自我验证输出。它在视觉、指令遵循、记忆等能力上提升，企业级应用表现出色，还有新功能与安全特性，不过使用成本更高。
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。
拒绝「盲修」：JarvisEvo 如何让 Agent 像人类一样拥有「视觉反思」能力？
现有 Image Editing Agent 缺乏视觉反馈，易致「指令幻觉」和 Reward Hacking。JarvisEvo 应运而生，它通过 iMCoT、SEPO、On - Policy Reflection 等技术，结合 ArtEdit 数据集和三阶段训练，在修图上表现出色，意义超图像编辑。
Dexmal原力灵机开源Dexbotic，基于PyTorch的一站式VLA代码库
Dexmal原力灵机推出基于PyTorch的开源视觉-语言-动作模型（VLA）代码库Dexbotic，面向具身智能研究者。其架构含三大核心组件，有五大特征，还推出开源硬件，未来将持续投入生态建设。