AITOP
精选
过去 24 小时，从 761 条中筛出 46 条
全部模型产品行业论文技巧
标签：回测协议×
6月11日
15:28
15:23
15:07
6月1日
00:09
5月29日
08:02
AITOP5月29日 08:02
Opus 4.8发布：编程助手的“静默时刻”，是解放开发者，还是新门槛？🔥Anthropic 把 AI 编程的“确认键”彻底删掉了！Claude Code 搭载全新 Opus 4.8 模型，长时间任务不跑偏、不废话、不中断，像一个资深工程师一样默默干活，从功能开发到漏洞清扫全包圆，你在旁边喝茶等结果就行。过去 AI 写代码三步一问“这样可以吗”，现在它直接交完整交付物……自主编程的最后一层窗户纸，被捅破了。做自动化开发和代码审查的团队，这个模型建议直接上手，效率差距肉眼可见……Opus 4.8发布：编程助手的“静默时刻”，是解放开发者，还是新门槛？
5月27日
10:07
10:07arXiv: OpenAI@Yashwardhan Chaudhuri, Sanyam Jain, Paridhi Mundra
精选
E3是一个自动化的论文评审助手，旨在帮助审稿人和工程团队识别论文中的技术问题。它能够报告问题的性质、位置、对贡献的影响以及解决所需的证据，涵盖未支持的声明、缺失的消融实验、弱基线、隐藏假设、有效性威胁和数据泄露风险。为了无污染地评估E3，研究采用了issue级回测协议：只使用训练截止日期后的论文，并由一个观察匿名评审的元法官标记每个问题来源对为“捕获”、“部分”或“遗漏”。在100篇ICLR 2026论文和4598个问题行的测试中，E3在所有聚合指标上实现了最高召回率，部分包含召回率达90.2%，比GPT高15.5个百分点，比Claude高17.1个百分点，比人类评审高29.2个百分点。E3还恢复了人类评审提出的89.6%的问题，并额外发现了1635个被人类遗漏的问题。
论文论文评审自动化评估回测协议ICLR 2026开源/仓库
推荐理由：E3解决了论文评审中遗漏关键技术问题的痛点，做学术评审或论文质量控制的团队可以直接用这套开源工具提升效率，建议点开看看具体实现。
原文