前谷歌DevRel:谁做出好eval,谁就掌握了全行业的爬坡方向
DynamicWebPaige · x · 2026-10-15
Paige Bailey(Google Dynamic Web Paige)发推称:如果你能发布一个大家真正在意的 eval(评测),那恭喜——各实验室接下来 hill-climb(朝榜单爬坡)的目标就由你决定,「拥有球门柱」本身就是巨大的 alpha。这番话点出了当前 AI 行业对公开评测基准的路径依赖:基准的制定者实际上左右着全行业的能力优化方向。
「编程与Agent」频道最新
- exe.dev 打造全 agent 驱动的类 Figma 工具 Radiant,稿图即代码可落地 — davidcrawshaw · 2026-10-15
- 用好编程 Agent 的关键技能：先打磨命名、目录与数据模型 — weswinder · 2026-10-15
- Audio Action 模型 Thud 实测:比 Gemini Live 快 10 倍、便宜 20 倍 — AnhPhuNguyen1 · 2026-10-15
- Sentry CLI 周下载量从 170 万飙至 300 万,云端 Agent 是主力 — zeeg · 2026-10-15
- 游戏 NPC 不该用大模型扮演:为每个 NPC 蒸馏专用小模型 — QuintinPope5 · 2026-10-15
- 把整个 Minecraft 塞进 Elden Ring：AI 编码做出的疯狂 Mod — DeryaTR_ · 2026-10-15