「自动化评估工具」共找到 2868 篇相关文章
AI短剧生成神器
作者分享开源的AI短剧生成工具，它能根据剧本完成智能分镜、生成视频片段等一条龙服务，采用全局种子+风格继承改善人物和场景一致性，有分镜编辑器可手动调控，适合多种人群。
AI甚至开始抢土木老哥的工作了
即便土木、建筑等传统行业，也受AI冲击。建筑业用AI克隆老师傅、替代部分人力，如Procore推出多款AI智能体，Skanska建立AI安全智能体。建筑AI生态矩阵正形成，国内需相关工具。
一份最新具身智能中的世界模型&安全综述
本文分享2篇具身智能世界模型和安全挑战的综述。2025年10月的综述用三维坐标轴整合文献。还介绍世界模型分类、性能表现，围绕自动驾驶与机器人领域分析安全隐患并实证评估。
OpenAI DevDay重磅新品曝光：Agent Builder来了！拖拽即可构建AI应用
OpenAI将在10月6日DevDay推出Agent Builder，用户能通过可视化画布拖拽构建AI智能体工作流，连接模型、工具等编排任务。其对手是n8n、Zapier，可集成第三方服务，降低AI应用开发门槛。
Anthropic 深夜祭出 Claude Sonnet 4.5，能自主连续工作 30 小时！CEO：它更像你的同事
昨夜凌晨，Anthropic 推出新一代模型 Claude Sonnet 4.5，官方称其是世界上最好的编码模型等。它能自主连续工作 30 小时，还同步推出多项产品功能更新及 Claude Agent SDK 开发工具包。
DeepSeek新模型意外曝光：AI Agent才是未来~
据彭博社消息，中国AI新星DeepSeek计划年底发布对标OpenAI的AI Agent，能自主执行多步任务、自我学习进化。国内Kimi、Qwen也有相关动作，还分享了72多种高效AI工具。
Windsurf 的甩卖对 AI 编程生态意味着什么？
Windsurf八个月内ARR达8200万美元，却被低价甩卖。其负利润率高，靠烧钱补贴成本，面临API成本高、竞品低价冲击等问题。此事件揭示编程工具价值捕获难，凸显基础设施等环节价值。
75%预训练数据都能删！Jeff Dean新作：全自动筛除低质量数据
Google DeepMind团队开发的DataRater可全自动评估数据质量，用元学习筛选有价值数据，提升模型训练效率。它能减少计算量、提高性能，在低质量数据集效果佳，还能跨模型规模泛化。
打破资源瓶颈！华南理工&北航等推出SEA框架：低资源下实现超强多模态安全对齐
本文介绍北航彭浩团队的 SEA 框架，针对多模态大模型低资源安全对齐难题，用合成嵌入替代真实数据，突破资源瓶颈。还构建 VA - SafetyBench 评估安全风险，实验验证了 SEA 低资源、高泛化优势。
33%！Claude、GPT、Gemini 在真实网站上集体翻车，ClawBench 把 AI agent 打回原形
ClawBench让AI在144个真实网站执行153个日常任务，结果惨烈，如Claude Sonnet 4.6每三任务翻车两个，GPT - 5.4仅完成10个。它还揭示AI在真实环境的问题，为评估模型提供标尺。