「代码评估」共找到 2293 篇相关文章
谷歌推出 LLM-Evalkit，为提示词工程带来秩序与可衡量性
谷歌推出基于 Vertex AI SDK 的开源框架 LLM - Evalkit，让大语言模型提示词工程更有序可衡量。它整合实验、测试等环节，与谷歌云工作流集成，有无代码界面，已在 GitHub 发布。
ICCV 2025 | UniOcc: 自动驾驶占用预测与推理统一数据集及基准平台
来自多所高校团队在ICCV 2025发表统一基准框架UniOcc，融合多源数据，有体素级运动流标注等创新，提出免真值评估指标，支持协同预测，已开源，能推动自动驾驶迈向新阶段。
如何正确Vibe Coding？这是来自Anthropic编程智能体负责人的大师课
Anthropic研究员Erik Schluntz分享Vibe Coding经验。他认为AI能力指数级增长，开发者应接纳大模型生成系统，还提出聚焦‘叶子节点’、做好产品经理等策略，并介绍22000行代码合并案例及实战问答。
Figma 如何使用 AI 来支持而不是取代设计师
Figma 在设计平台集成 AI，有自动命名层等功能，能将文本提示等转换为生产就绪代码。其 AI 功能基于早期基础设施，关键在于 Dev Mode 和 MCP 服务器，确保设计师掌控输出，降低制作软件障碍。
刚刚，OpenAI发布自主编码代理Codex，程序员的工作将被彻底颠覆？
OpenAI发布自主编码代理Codex，它能独立完成编程任务。与其他工具不同，它是面向任务的，允许并行工作。虽经强化学习微调，代码有“品味”，但有局限，如后续请求处理不佳，未完全集成工程环境。
又一安全圈爆火的开源项目，已经1.66万Star！
现在大家爱用代码AI客户端干活，但碰到安全和逆向任务时，AI易懵圈，因工具散落、经验没沉淀。开源项目`reverse-skill`可给AI装“安全研究导航仪”，支持多种AI编码客户端，有诸多功能特性。
这个春节P图不求人！小红书开源图像编辑新SOTA
今日小红书基础模型FireRed - Image - Edit亮相，在复杂编辑指令、风格化转换等核心指标表现强，在多项权威测试达SOTA。该项目代码等已开源，模型权重将开源。团队还推出RedEdit Bench评测方案。
14.7M参数，小目标AP达到13.9%！FSDETR用频空融合重新定义目标检测
传统小目标检测问题多，2026年4月FSDETR论文提出频空融合法，用14.7M参数获13.9% APS成绩。它有SHAB、DA - AIFI、FSFPN三个核心模块，还给出训练、推理及导出ONNX部署代码。
你的论文有novelty吗？复旦搞了个顶会论文查新系统
复旦大学NLP团队与WisPaper合作研发OpenNovelty系统，用于论文新颖性评估。系统基于大语言模型，强调证据与可验证性，有四步分析流程，已分析1360篇投稿并公开报告，有辅助作用但有局限。
The Batch: 892 | 教育应与 AI 协作，而非对抗
三年多前ChatGPT发布，教育改变。曾寄望用AI检测器识别生成文本，但学生易规避。检测难维持信任，还可能惩罚错对象。生成式AI可提升学习，应构建新评估模型，如展示真实理解等。