「代码评估数据集」共找到 4416 篇相关文章
Karpathy：写了20年代码，现在像作弊
Karpathy曾造词“vibe coding”，一年后弃用。他开源autoresearch项目，让AI Agent自主跑实验，自己不写代码。他还展示家庭监控分析系统也由Agent完成。他提出“agentic engineering”，认为工具虽变，但深度技术专长更重要。
2025 年 InfoQ 趋势报告：AI、ML 和数据工程
InfoQ AI ML 趋势报告基于编辑团队与嘉宾播客，总结 AI、ML 技术发展趋势。涵盖 AI 代理、多模态语言模型等创新领域，也提及早期采用者、早期多数、晚期多数类别的技术，还对 2025 年相关领域发展作出预测。
新的基础设施即代码工具“formae”瞄准了 Terraform
平台工程实验室于2025年10月22日推出开源基础设施即代码平台formae，试图解决现有工具的根本性限制。它有两种操作模式，能自动发现和编码现有基础设施，使用PKL语言，还面临成熟工具竞争。
港大nanobot4,000行代码复刻Clawdbot
港大nanobot用4000行代码复刻Clawdbot，解决AI从‘被动回答’到‘主动服务’问题。它有核心架构Agent Loop，三大主动触发机制，模块化设计，还坚持少即是多原则，让AI成自动化助手。
DMS Airflow：企业级数据工作流编排平台的专业实践
DMS Airflow 基于 Apache Airflow，集成阿里云 DMS 系统能力，为数据团队提供工作流调度等功能。文章介绍其高级编排能力、DMS 集成特殊能力及使用示例，总结核心优势与适用场景。
从输入指令到代码落地：Cline AI 源码浅析
文章从源码角度剖析 Cline AI 将自然语言指令转化为编程任务的过程，包括启动调试、前端输入、主进程处理、任务初始化、构建提示、模型请求等环节，指出核心是 prompt 组装和 tools 调用。
动态RAG新工作：效果爆了，代码已开源
大语言模型幻觉问题突出，现有动态RAG方法信号不可靠。QuCo-RAG从预训练语料库挖掘统计证据，用客观频率替代主观置信度，实现毫秒级幻觉检测与动态检索触发，代码已开源。
Anthropic发布AI就业冲击报告，数据让人意外
Anthropic发布AI对劳动力市场影响的报告，基于真实数据和理论智能分析。提出“观察暴露度”新指标，揭示AI理论能力与实际应用差距大，还给出高危职业排行，分析受影响人群、安全职业等。
Databricks估值1000亿美元，AI数据分析平台
AI数据分析初创平台Databricks官网宣布进行K轮融资，估值超1000亿美元。距上次融资仅7个月，当时估值620亿。计划用新资本加速AI战略等。其与Snowflake竞争，抵制上市压力。
AgentIF-OneDay 发布，评估全场景长时复杂任务
红杉中国 xbench 发布 AgentIF - OneDay 评测体系，用于评估大模型解决复杂任务的能力。该体系从任务复杂度新视角出发，沿 Scaling Context 和 Scaling Domain 推进，构造了三类典型任务进行测评，揭示了主流 Agent 的能力边界。