「评估策略」共找到 1560 篇相关文章
0%完成率！Claude、GPT、Gemini 全灭，SWE-Bench作者新作把AI圈干沉默了
SWE - Bench创建者推出新benchmark ProgramBench，测试AI从零构建软件系统能力。结果一线模型完成率0%，暴露AI擅长局部代码生成，缺全局系统规划能力，引发对其评估方式的讨论。
英特尔：CPU的痛就像送外卖
英特尔将优化CPU痛点比作送外卖，推出二进制优化（IBOT）技术，还升级硬件酷睿Ultra 200HX Plus。数据中心方面，英特尔DCG老大Kevork Kechichian认为Agentic AI使CPU重回舞台中央，并分享转型思路。
π0.7来了！涌现出组合泛化、跨本体迁移能力，VLA又行了？
具身赛道玩家 Physical Intelligence 发布新模型 π 0.7，它展现出组合泛化和跨本体迁移能力，还能通过知识蒸馏学会优化技巧。其强大源于杂数据和细提示，未来有望解决复杂任务。
OpenClaw 闭门局：和 30 位创业者一起聊聊，真正值得关注的 Agent 生态位在哪？
OpenClaw带火了Agent，带来整个Agent生态重建机会。在第四期AI产品市集Meetup上，30多位创业者探讨创业机会，涉及Token消耗、支付、硬件、记忆等方面，还讨论了创业策略。
程序员岗位暴增11%，华尔街研报击碎失业恐慌：你的饭碗比想象安全
一份‘AI末日论’报告引发华尔街恐慌，软件股市值蒸发超2000亿美元。Citadel Securities报告反驳，用数据表明软件工程师招聘增11%，失业率仅4.28%，指出AI普及慢且有物理边界，不是就业末日，能对冲经济下行。
规模化人工判断：Dropbox 如何借助大语言模型优化 RAG 系统标注
为提升 Dropbox Dash 生成回复的相关性，工程师采用大语言模型辅助人工标注。该方案解决了纯人工标注的局限，通过人工校准大语言模型标注的方法，为 RAG 系统提供了有价值参考。
2026 AI Memory最新综述：从理论到实战，一文读懂AI记忆的进化全景
2026年北邮百家AI MemoryOS团队联合华为发表《Survey on AI Memory》，涵盖AI记忆理论基础、分类体系、架构、评估方法与前沿趋势，还提出4W分类法，剖析了发展挑战与未来方向。
阿里正式批准林俊旸辞职！将成立基础模型支持小组、坚持开源、加大人才投入
Qwen负责人林俊旸突然离职引发关注，阿里官方回应，CEO吴泳铭在内部邮件中称已批准其辞职，还将成立基础模型支持小组，坚持开源策略，加大AI研发及人才投入。
Gemini 3.1 Flash-Lite Preview发布：Google完成AI模型分层布局
Google发布Gemini 3.1 Flash-Lite Preview，针对企业和开发者场景优化，速度快，有‘思考级别’功能。基准测试表现不错，价格比Claude 4.5 Haiku便宜，但开发者社区反应复杂，面临市场定位问题。
AI 开发时代的“能力暴露与禁止空间”方法论：TPDD 与高层测试闭环
文章指出大模型加速软件开发范式演进，AI 深度介入开发带来新生产路径，但也放大风险。作者提出 TPDD 方法论，通过提前定义测试点与边界条件，平衡能力利用与风险控制，确保系统可控、安全、可持续。