Codex 隐藏神器：内置盲测 A/B 逐对评估 AI 生成结果
Angaisb_ · x · 2026-10-14
作者称 Codex 有一个被低估的功能：内置的盲测 A/B 评估界面。截图显示它支持对同一 prompt 的两次运行（如 Astra Max 生成像素画）做洗牌后的盲选对比，用户选 A/B/Tie 后提交即可揭晓两种方法，支持 8x 预览与逐项投票。适合用来评测不同模型或采样参数在生成任务上的差异。
「编程与Agent」频道最新
- Nous Research 发布 Hermes Agent v0.22.0「Threshold」版本 — Polymarket · 2026-10-14
- ResearchTwin MCP：联邦网络中发现学者、论文与数据集 — modelcontextprotocol · 2026-10-14
- Nous Research 发布 Hermes Agent v0.22.0「Threshold」版本 — NousResearch · 2026-10-14
- 让模型不再直接写 SQL：0sql 用语义层根治 text-to-SQL 不稳定 — nothinginausername · 2026-10-14
- skgate 开源：一个网关统一托管并鉴权所有 MCP 服务器 — helvio88 · 2026-10-14
- CopilotKit 推出 CLiF:用 AG-UI 协议捕获真实使用轨迹做持续学习与 eval — techNmak · 2026-10-14