「评测实践」共找到 1138 篇相关文章
有人只用API就猜出了GPT、Claude、Gemini的参数量？社区吵翻了
研究人员李博杰在arXiv发布论文，提出“不可压缩知识探针”评测框架，仅通过黑盒API调用逆向估算LLM参数规模，给出GPT-5.5等模型参数量估算，引发社区广泛讨论与争议。
详尽地带你从零开始设计实现一个AI Agent框架
文章详尽介绍AI Agent框架，从理论到实践，涵盖多种模式、主流框架对比，强调上下文工程是核心，还给出极简框架实现及应用示例，虽有不足但能助看清Agent本质。
构建 Claude Code 的经验：我们如何使用 Skills
本文来自Anthropic内部团队，总结构建Claude Code使用Skills的经验。介绍Skills类型，如库与API参考、产品验证等；给出编写技巧，涵盖避免说废话、建踩坑点章节等；还提及分发、管理及衡量效果的方法。
Karpathy：IDE没有消亡，我们需要的是更大的IDE
AI时代有人认为IDE要消亡，Andrej Karpathy却觉得IDE不会消亡，只是形态要变，需更大的IDE。他认为编程基本单元变了，还提出智能体组织可被fork，指出人类组织不透明等观点。
2026年，AI初创全球化的「变与不变」｜沙龙招募
当OpenClaw掀起开源浪潮、Agent应用频现，AI团队面临全球化命题。量子位将发起出海沙龙，聚焦出海早中期决策与路径，招募全球化实践者、参与者和投资机构，设置多环节交流。
具身智能的「GPT时刻」？高德连发两个全面SOTA的ABot具身基座模型
过去几年，机器人行业面临模型与数据绑定特定场景、能力难以泛化的问题。近日，高德发布 ABot 系列具身基座模型，补齐行业能力缺口，标志具身智能从定制系统转向统一模型，有望降低开发门槛。
从极速复制“死了么”APP，看AI编程时代的技术选型
本文以复刻‘死了么’APP为例，分析AI编程时代技术选型。介绍开发工具，如Qoder；给出技术选型原则，像选声明式技术栈；还阐述Supabase优势，能降后端复杂度、省运维成本。
社区供稿丨AgentCPM-Explore开源，4B 参数突破端侧智能体模型性能壁垒
清华大学、中国人民大学等联合研发的 AgentCPM-Explore 智能体模型开源，它基于 4B 参数，在深度探索类任务表现佳。有打破参数壁垒等亮点，还开源配套工具，提供应对小模型挑战方法，邀伙伴共建生态。
专为小说、角色扮演等而生：元象开源泛娱乐场景底座模型
元象作为AI与3D技术服务公司，此次开源XVERSE-Ent系列中英双语大模型。它采用MoE热启动技术与三阶段训练策略，解决泛娱乐场景痛点，适配多元语境，有高部署性价比，为行业提供泛娱乐AI解决方案。
吴恩达年度AI总结来了！附带一份软件开发学习小tips
AI大神吴恩达总结2025热门AI趋势，包括模型推理成标配、Meta引发人才争夺战、数据中心火热、智能体编程重塑软件开发。还给出软件开发学习建议，如参加课程、动手实践、读论文。