「自动化评估工具」共找到 2866 篇相关文章
80%代码由Claude合并，Anthropic内部人员点破Agent真相：「Close the Loop」
Anthropic团队研究产品经理Theo演讲指出，Claude已深入其工程流程，超80%代码由它合并。模型角色转变，能力提升，失败率下降。开发者应升级研发战术，如刷新评估基准、精简“脚手架”、闭环设计。
清华发布AutoSOTA：一周刷新105个顶会SOTA，推动AI科研回归创新本质
在AI研究中，研究者常为提升1%性能反复调参。清华与中关村学院联合发布AutoSOTA，实现端到端AI科研自动化，一周发现105个性能显著提升的SOTA模型，推动科研回归创新本质。
神秘模型「Pony Alpha」火了，被曝是GLM-5
OpenRouter上线神秘模型“Pony Alpha”，引发网友竞猜。该模型主打编码等，有高工具调用准确率。网友实测其前端能力惊艳。多项证据指向它可能是GLM - 5，春节档多家国产大模型将轮番上阵。
这几个开源项目火起来啦，抓紧收藏哟起来！！！
本文介绍三个热门开源项目。KnowNote 是本地优先的 AI 知识笔记工具，是 Google NotebookLM 开源替代方案；Remotion 让开发者用 React 技术栈制作视频；Superpowers 可让 AI 编程助手升级为智能开发伙伴。
Android Studio 新功能上线，Compose 预览可调，开发者：终于不用盯着屏幕傻调尺寸了
最新发布的 Android Studio Narwhal 3 Feature Drop 带来功能增强，有可调整大小的 Compose 预览、新备份恢复工具等。支持 AGENTS.md 文件定制 Gemini 行为，还有图片附件和 @File Context 特性，提升 AI 集成与协同能力。
FaceAge登上「柳叶刀」！AI一张照片看穿你的真实年龄
科学家开发AI工具「FaceAge」，登上《柳叶刀数字健康》。它能通过人脸照片预测癌症患者生物年龄辅助治疗。研究显示，脸显老的患者治疗效果差。不过，它存在训练数据局限，离临床应用还有距离。
谷歌开源的 Gemini CLI 扩展助力开发者构建定制化人工智能工作流
谷歌发布开源的 Gemini CLI 扩展框架，引入‘剧本’概念，可让 AI 与外部工具交互。框架增强了 Gemini CLI 功能，支持多组件。谷歌构建开放生态，还为开发者提供模板和指南，其在 AI 驱动 CLI 领域有独特优势。
翁荔最新博客：我们可能高估了模型，却严重低估了那层“脚手架”
前OpenAI安全研究副总裁翁荔在新博客聚焦AI领域Harness Engineering。她认为Harness是决定模型在现实任务中走多稳、多远的‘脚手架’，并梳理其演进路线，也指出研究面临评估、安全等瓶颈。
Google I/O 2026 | 开发者主题演讲精华集锦
在今年 Google I/O 大会上，谷歌发布 Gemini 3.5 系列模型，升级 '智能体优先' 开发平台 Antigravity，展示新工具和技能，助力开发者构建应用，还介绍了多项新技术及功能，另有招募活动。
争夺 Agent 市场，微软的押宝点竟是「情商」？
微软AI CEO Mustafa Suleyman接受访谈，分享AI未来见解，探讨情商重要性等问题。他推动AI从功能向人性化发展，认为AI是伴侣非仅工具，强调情感连接，还提及Copilot靠情商打差异化等。