全部 AI 动态 · AI 热点

6月16日

20:46

AITOP6月16日 20:46

600亿美元买下Cursor，xAI终于拿到了编程工具，但真正值得跟踪的或许不是AI

600亿美元买下Cursor，xAI终于拿到了编程工具，但真正值得跟踪的或许不是AI

6月13日

00:22

00:22

Allen AI (Ai2)@allen_ai

Allen AI 发布了 olmo-eval，一个专为大型语言模型迭代开发设计的评估工作台。在训练 LLM 时，每次调整超参数或扩展模型规模，都需要重新进行基准测试，这个过程重复且耗时。olmo-eval 旨在简化这一循环，让开发者能更高效地评估模型变化。该工具面向模型开发团队，帮助他们快速迭代并验证模型性能。

AI产品 LLM 评估工具迭代开发 Allen AI olmo-eval

推荐理由：做 LLM 训练的团队终于有了专门的评估工具，能省去重复跑基准的麻烦，建议模型开发者直接试试。

6月12日

12:57

AITOP6月12日 12:57

Claude代码里藏了个20260612，18个月后的AI记忆革命已经开始倒计时

11:49

11:49

AWS Machine Learning Blog@Ishan Singh

精选

AWS 发布了 Agent-EvalKit，一个基于 Apache 2.0 的开源工具包，用于系统评估 AI 智能体。它集成了 Claude Code、Kiro CLI 和 Kilo Code 等 AI 编程助手，提供六个评估阶段来全面测试智能体性能。文章以 Strands Agents SDK 和 Amazon Bedrock 构建的旅行研究智能体为例，展示了如何应用该工具。Agent-EvalKit 解决了智能体评估缺乏标准化的问题，帮助开发者量化智能体的准确性和可靠性。

AI产品智能体评估工具开源/仓库 AWS Claude Code

推荐理由：做 AI 智能体开发的团队终于有了标准化的评估工具——Agent-EvalKit 覆盖六个阶段，直接集成主流编程助手，建议做智能体项目的开发者试试。

6月11日

15:28

AITOP6月11日 15:28

1107 vs 303：谷歌悄悄开源了一个“拆打字机”的模型，把大模型速度翻了4倍

15:23

AITOP6月11日 15:23

DiffusionGemma颠覆文本生成？自回归模型的“统治”要结束了

15:07

AITOP6月11日 15:07

每秒1107个token，Google开源的扩散模型为什么能改变本地推理格局？

6月4日

04:44

04:44

LangChain@LangChainAI

LangSmith Engine 能够自动发现并突出显示系统中的问题，而不是让它们隐藏在追踪记录中。ListenLabs 的 Ollie Elmgren 分享了该工具如何改变其团队评估智能体的方式。该引擎通过自动化问题检测，帮助团队更高效地识别和解决系统性问题，从而提升智能体的可靠性和性能。

AI产品 LangSmith 智能体评估工具系统性问题自动化

推荐理由：做 AI 智能体评估的团队终于不用手动翻 trace 找 bug 了——LangSmith Engine 自动暴露系统性问题，ListenLabs 已经用上了，建议做 agent 开发的团队点开看看。

5月31日

01:42

01:42

Clement Delangue@ClementDelangue

AI安全研究所（AISecurityInst）在Hugging Face上公开发布了其评估工具、数据集和模型，旨在促进AI安全研究的透明度和可复现性。这一举措允许全球研究人员审查、复现并基于这些资源进行开发，打破了AI安全研究封闭进行的传统。开源这些关键资源有助于加速AI安全领域的进展，并增强公众对AI系统的信任。

AI产品 AI安全开源/仓库评估工具数据集 Hugging Face

推荐理由：AI安全研究终于走向开放，做AI安全评估和模型审计的团队可以直接复用这些资源，建议点开看看具体有哪些工具和数据集。