「代码评估」共找到 2341 篇相关文章
OpenClaw太麻烦？没关系，你有这个项目可以一斑窥豹！
nanobot是受Clawdbot启发的超轻量级个人AI助手，仅约4000行代码，比Clawdbot小99%，有核心功能。它代码清晰、资源占用少、易部署，还介绍了安装、使用、配置等内容。
GPT-5都救不了的AI幻觉，原来问题不在模型，在“考卷”
OpenAI研究指出AI产生幻觉的根本原因是评估和激励机制有问题。现有训练和评估流程奖励‘猜测’，导致模型易产生幻觉。研究还给出解决方案，要更新‘考试规则’，让模型适当表达不确定。
8000行Python+Rust手搓ChatGPT，日收14.5k星！Karpathy：Agent只会帮倒忙
特斯拉前AI总监Andrej Karpathy发布开源项目nanochat，可搭建简易版ChatGPT复现模型。约8000行代码，成本低，功能多。卡帕西称手写代码，用Agent效果差，项目受网友热赞。
一文读懂 Deep Research：竞争核心、技术难题与演进方向
文章梳理了深度研究系统，包括其发展历程、现有系统差异、技术实现挑战、评估体系及推理架构演进方向。指出竞争焦点转向综合比拼，评估走向专业化，未来系统将在多方面突破。
音频大模型安全可信度的全面“体检”！6大维度，清华南洋理工联手打造
南洋理工和清华团队提出新框架AudioTrust，将ALLMs评估扩至六个核心维度，探究音频模态特有问题。目前基准及平台已开发，揭示了开源与闭源ALLMs在多维度的潜在风险。
11.4K Star！基于 AI 大神 Karpathy 的编程经验开源的 Claude Code 技能插件。
AI写代码常遇盲目假设、过度设计、乱改代码等问题。开发者把AI大神Andrej Karpathy经验总结成Claude Code插件andrej - karpathy - skills，设定四大原则，还介绍使用、验证及自定义方法。
谷歌悄悄加了个按钮，Gemini长出手脚变打工人！三巨头抢着教AI干活
谷歌悄悄为Gemini添加「Agents」入口，其将从聊天助手转变为Agent运行平台。谷歌还推出无代码/低代码的Agent Designer。此外，谷歌、Anthropic、OpenAI在编排层展开竞争，焦点转向谁能让更多人用上Agent。
编程 Agent 如何重塑工程、产品和设计
软件公司 EPD 目标是做出好软件，产出为代码。编程 Agent 让写代码变简单，使 EPD 角色定位改变，如 PRD 传统流程终结、瓶颈转向评审、通才更有价值等，各角色需适应新变化。
多模态Deep Research，终于有了「可核验」的评测标准
俄亥俄州立大学与 Amazon Science 等联合发布 MMDR - Bench，将多模态 Deep Research 评估拉到可核验标准。它含 140 个专家任务，覆盖 19 领域，把评估拆成 3 段管线、12 指标，强调过程证据链。
开源AI教育视频生成神器，3Blue1Brown风教学动画一键搞定！
新加坡国立大学Show Lab团队开源Code2Video，能让代码变高质量教育视频，逻辑是用代码驱动视觉效果。它有智能解析等特性，可解决传统教学视频形式单一等问题，应用场景广泛。