「评估驱动开发」共找到 2707 篇相关文章
在微信中用 Google 登录，很难吗？
作者开发基于 LLM 的个性化实时快讯小工具，开发登录功能时发现微信里用 Google OAuth 登录失败，源于 Google 安全限制。众多产品有糟糕体验却未解决，作者用 Claude Code 轻松搞定，还分享 AI 编程观点。
刚刚，全球第一CRM收购AI Agent平台Moonhub
今日凌晨，全球第一CRM平台Salesforce收购AI Agent平台Moonhub，Moonhub团队将加入开发Agentforce。此前Salesforce已收购Informatica，其CEO看好AI Agent，愿景是到2025年底开发十亿个智能体。双方在HR智能体功能各有亮点。
Claude Opus 4.7发布！这是你在别的公众号看不到的五个发现
Anthropic发布Claude Opus 4.7，编码和视觉能力提升，但长上下文能力下降。其231页的System Card藏着不少有趣发现，如Opus 4.7非最强模型、Claude知道被测试、模型审查自身评估等。
从操作系统到Agent Team，字节Seed 2.0来了！
作者受字节内测邀请，对豆包大模型Seed 2.0进行多方面测试。在APP开发、多模态理解、操作系统构建、Skills调用、真实项目开发等测试中表现出色，虽有小缺点，但整体提升大，值得试用。
九成以上模型止步白银段位，只有3个铂金！通用AI下半场评测标准来了
OpenAI研究员姚顺雨提出AI发展步入新阶段，下半场关键在评估模型真实智能。新加坡国立大学等团队提出“通才智能”评测框架，剖析多模态大模型短板，推出五级评估体系和测试集，测试结果暴露模型弱点，引发社区积极反响。
一粒「扣子」，开启了Agent的全生命周期进化
2025年被视为Agent爆发元年，自年初通用Agent产品Manus出现后，其受关注程度空前。火山引擎Force 2025大会上，升级后的扣子成焦点，它从开发平台进化为全生命周期平台，覆盖开发、框架、调优、协作四大部分。
阿里权力交接全解读：9人出局、蒋凡上位、3800亿豪赌AI—投资者必读深度研报
过去两年，阿里经历权力重组，合伙人缩减，蒋凡上位，吴泳铭押注3800亿AI。从“分封制”回归“集权制”、从运营驱动转向AI驱动，本文拆解变革，给出投资判断，分析各业务板块营收、竞争力，推演未来情景并提示风险。
马斯克xAI正式入局世界模型，目标：明年搞出个AI生成的大游戏
马斯克的xAI入局世界模型开发，对手是Meta和谷歌等。其从英伟达挖专家，目标是开发先进AI系统，还计划明年底前发布AI生成游戏。不过构建世界模型挑战大，游戏行业有人对此谨慎。
全球首个科研LLM竞技场上线！23款顶尖模型火拼：o3夺冠，DeepSeek第四
Ai2耶鲁NYU联合推出科研版「Chatbot Arena」——SciArena，23款顶尖大模型比拼科研任务，OpenAI o3夺冠，DeepSeek第四。该平台解决通用基准测试在科研场景‘失效’问题，但其自动评估系统猜科研人偏好远未及格。
一篇400+文献最新RAG技术系统性综述
本文对RAG技术进行系统性综述，通过筛选5大数据库、128篇高被引文献、343个数据集，给出技术地图、评估框架与未来路线，梳理技术全景、评估指标，还介绍主流数据集，指出RAG已演变为复杂系统。