跳到正文
10月29日週四
  1. elsewhere:文章71

    即夢整合小云雀短劇 Agent 能力,實測「短劇工作室」

    即夢上線「短劇工作室」,接入小云雀的短劇 Agent 能力,並在此基礎上升級優化。作者實測了上傳成片改編劇本、將本土短劇轉繪為面向其他國家的版本,以及從零創作並用「3D導演台」手動調整場景等流程。文中還提到 Seedance 2.5 最低 0.19 元每秒,使用 CLI 最低 0.18 元每秒。

  2. DEV Community48

    AI 對 IELTS 作文的引述錯誤多出現在短引文:兩項預測再次反轉

    對 GLM-4.7 評閲的 8,946 篇 IELTS 作文進行第五輪分析後,研究發現,模型在短引文中更常改動學生原文的字詞。4 至 6 個詞的緊密引述中,3.19% 改動字詞;11 個詞或以上的引述則為 0.74%。改動過的長引文有 66.3% 屬於非緊密匹配,檢查 AI 評語時應逐字核對短引文,並把長引文與全文比較。

  3. Ai2 / Allen Institute for AI49

    研究人員如何調整 olmOCR 2,處理歷史與考古檔案

    研究人員調整 Ai2 開源模型 olmOCR 2,將歷史檔案照片及考古手寫記錄轉為可搜尋文字,並讓檔案機構可按研究需要在本地運行和微調模型。考古團隊以 LoRA 在 57 份記錄上微調模型後,在另外 450 份測試記錄上的轉錄錯誤率由 15.58% 降至 1.11%。團隊希望將方法擴展至 Carnuntum 約 70,000 份陶器記錄。

10月28日週三
  1. DEV Community70

    Claude Duet 與 Aeon 比較:一個先請求批准,一個按排程運行

    Claude Duet 與 Aeon 分別採用重要操作先請求批准,以及透過 GitHub Actions 定時執行技能的智能體設計。內容根據 Anthropic 公開資料與 Aeon 文件,對照運行位置、審批、安全措施、憑證處理及成本,並非實測評測。Claude Duet 當時是限美國 Pro 和 Max 訂閲者、需候補的研究預覽;Aeon 則以 MIT 授權提供,面向可定時無人值守的工作。

  2. DEV Community61

    ChatGPT、Gemini 和 Claude 掃描表格轉 Excel 評測

    ChatGPT、Gemini 和 Claude 在收據、財務報表及兩頁美國製造業普查表的掃描轉 Excel 測試中,儲存格準確度得分介乎 9.33/10 至 10/10。各文件類型的最高分不同,評分只衡量預先選定儲存格的抽取準確度;測試仍發現漏值、小數錯誤及代碼替換。文章建議對照原件、核對欄列並重算總數,按資料的重要程度驗證活頁簿。

  3. DEV Community64

    2026 年適用於產品示範與教學影片的 9 款 AI 編輯器比較

    Sheen 比較 9 款用於產品示範與教學影片的 AI 編輯器,分析介面更新時重剪、整片重生成或只修改單一場景等做法及方案用量。比較以 30 秒影片更換一張截圖的更新為例,按各廠商截至 2026 年 10 月 28 日公佈的方案限制估算用量。作者另提出一小時測試,檢查畫面文字、已核准場景、影片輸出及專案能否重開,協助按更新頻率和編輯方式篩選工具。

  4. 新浪科技39

    iQOO Neo12 體驗:風扇+大電池,重塑系列定位

    iQOO Neo12 內置「冰穹風冷」主動散熱系統,配備第五代驍龍8至尊版、Q3 電競芯片及 9000mAh 電池。安兔兔評測V12常温與低温跑分差值僅2.8%;《崩壞:星穹鐵道》以2K+90幀設定連續運行1小時16分鐘,平均幀率89.3。手機支援100W有線快充,實測55分鐘充滿。

  5. DEV Community62

    Uvilno 如何測試 AI 應用程式建構工具:資料庫隔離、身份驗證、用量及原始碼匯出

    Uvilno 公開一套測試 AI 應用程式建構工具的評估流程,涵蓋資料庫隔離、身份驗證、編輯驗收、成本及異地重建。流程以兩個用戶身份檢查私有任務的讀取、修改和刪除權限,並驗證實際頁面、用量帳目、訂閲成本及匯出後在其他主機的重建情況。Uvilno 表明這不是獨立排行榜,亦尚未完成配對式跨產品研究,並以相同簡報、素材、種子數據、硬件、評估日期和預算作為可重現比較的條件。

  6. DEV Community38

    實測 5 款熱門 Canva 替代工具:哪些真正好用

    文章比較 Canva、HyCanvas、Adobe Express、Snappa 和 Polotno Studio,評估五款設計工具的檔案自由度、私隱、速度及定價。HyCanvas 開源並支援自行架設,設計可儲存為開放格式 .hyc 檔;AI 功能則由用戶直接支付模型供應商的 API 費用。

  7. DEV Community43

    Hugging Face 官方基準測試地圖:52 項基準、1,131 個排行榜項目及全新檢索排行榜

    Hugging Face 官方基準測試地圖顯示,目前收錄 52 項官方基準測試、45 個排行榜及 1,131 個排行榜項目,涵蓋 438 個模型和 104 個機構。新增的檢索領域排行榜採用 BRIGHT 基準,目前有 2 個項目。排行榜分數由發布者自行提交,地圖不會重新執行評測。

  8. 阿里雲開發者社區 AI39

    阿里雲瓴羊 Quick BI 智能看板評測:拆解「分析—歸因—行動」鏈路

    阿里雲瓴羊 Quick BI 在 2026 年 8 月完成 AI-native 架構升級並推出 AIPro 版,將智能小Q的問數、解讀、搭建和報告能力整合至數據分析鏈路。AIPro 版設有 7 道可信防線,並透過 MCP 連接器聯動 OA 審批和工作流。平台支援 SaaS、混合雲及私有化部署,智能小Q按席位或 Token 計費。

  9. HuggingFace Daily Papers(社區熱門論文)48

    VibeVideoBench:評測多模態智能體以程式碼生成影片的表現

    VibeVideoBench 評測以程式碼生成影片的多模態智能體;在 239 項任務、九個前沿智能體系統及 2,151 次評分執行中,GPT-6 Astra 和 Claude Opus 5.5 分列第一、第二。最強系統在 76.3% 的任務中滿足所有核心要求,但交付影片仍是主要挑戰,四分之三未交付的影片因最終渲染開始太遲、速度太慢或未能開始。

  10. 新浪科技13

    2026年十大高返利App評測:雙11網購返利軟件哪款好?

    高省、直返和氧惠三款返利平台各有佣金優勢和適用場景,沒有絕對最高的一款。純自用網購且不做任務、不付費或邀請好友,氧惠可提供頂格佣金;抖音直播購物以高省較突出,本地生活消費則以升級後的直返較有優勢。本文亦比較三者的訂單穩定性、優惠券及提現規則。

  11. DEV Community46

    GLiNER2-PII 與開源組合偵測器的 PII 遮蔽實驗比較

    兩項預先註冊實驗在同一組 4,000 個凍結樣本上比較 GLiNER2-PII 與由多語言 NER 模型及模式識別器組成的開源組合,顯示兩者各有漏檢類別。GLiNER2-PII 的姓氏召回率為 0.291、電話號碼為 0.995;組合的姓氏召回率為 0.970,電話號碼則降至 0.400。結果反映選擇取決於不同漏檢對流程的代價,實驗未測量延遲或成本。

  12. EJ Tech 信報科技 · AI36

    模型測試|Seedance 2.0 Pro 生成影片表現最佳

    香港大學經管學院人工智能評測實驗室測試十多款主流生成式人工智能模型,Seedance 2.0 Pro 的整體生成影片表現最佳,在6個範疇均排名榜首。其安全防護及攔截能力排名第六;Hailuo-2.3 的風險測試表現最佳,安全防護及攔截能力排名榜首,但生成影片能力排名第九。研究團隊建議加強聲畫同步、複雜指令理解、長時序生成及安全防護等能力。

  13. DEV Community44

    七種 AI 智能體框架如何處理批次工具呼叫中的錯誤

    agentic-arena 比較七種 AI 智能體框架在批次工具呼叫出錯時,如何傳遞成功結果及回報錯誤。測試涵蓋未知工具名稱、格式錯誤的參數及缺少必填參數,並發現錯誤可能被靜默忽略、連同成功結果一併丟棄,或直接觸發例外。測試在模擬模式下進行,衡量的是框架處理錯誤的行為,並非答案質素排名。

  14. 阿里雲開發者社區 AI59

    同一條慢 SQL,AI 建議加索引,真正原因是鎖等待

    作者用四條 MySQL 8.0 慢 SQL 測試 AI 根因判斷,結果是兩條判對、一條偏差、一條錯誤。補上執行計劃、鎖等待等現場資料後,AI 將一宗加索引的判斷修正為長事務造成的行鎖等待。文章並提供提示詞模板及驗證清單,建議把 AI 給出的根因視為假設,逐項上機核實。