跳到正文
10月18日週日
  1. DEV Community55

    HuggingFace evaluate 的 exact_match 正規化選項可能誤造匹配,也會漏掉真實匹配

    HuggingFace evaluate 的 exact_match 指標提供四個正規化選項,可能把不同答案判作匹配,也可能令看似相同的答案無法匹配。作者建立了包含 13 個案例的語料庫,以標準庫測試重現,並固定對照 upstream commit a5db2ad;案例涵蓋 ASCII 標點及數字刪除、正則表達式和處理順序帶來的邊界情況。

  2. DEV Community56

    AI Agent 能否安全寫入總帳?Digits Write MCP 列出 13 項寫入操作,鎖定期間 0 次靜默修改

    Digits 於 2026 年 10 月 13 日推出免費 Write MCP,讓客戶自有 AI Agent 按登入用戶權限新增、更新及刪除總帳記錄。期間鎖定後,擬議修改會進入審核佇列,由管理員批准或拒絕;發佈資料列出 4 個範疇共 13 項寫入操作,鎖定期間靜默寫入為 0。

  3. DEV Community43

    AI 智能體基準測試通過了,究竟沒有測試甚麼?

    AI 智能體通過基準測試,只能證明它在測試涵蓋的輸入、工具、狀態及評分規則下符合要求,不能據此宣稱智能體整體能正常運作。發布決策須按用途評估證據;如涉及外部操作或記憶,證據亦須涵蓋權限、可逆性,以及記憶上下文是否仍有效。

  4. DoNews32

    《GTA6》首發預告片未啟用索尼 QSSR 技術

    Digital Foundry分析顯示,《GTA6》的「發售預告片」原始解像度為1440P,經後期升頻至4K,並未使用索尼QSSR。畫面疑似採用反向色調映射及AGX色調映射器呈現HDR效果。分析只針對現時預告片,正式版遊戲日後仍可能加入QSSR支援。

  5. DoNews16

    《使命召喚:現代戰爭4》Steam 好評率達 89%

    動視新作《使命召喚:現代戰爭4》在 Steam 上線後獲超過 1700 條評測,好評率達 89%,整體評級為「特別好評」。這是十餘年來 Steam 評分最高的《使命召喚》正傳作品;目前高分主要來自單人劇情戰役,多人模式尚未有大規模評價。

  6. DEV Community41

    Hugging Face Official Benchmarks: Daily Update 2026-10-18

    Hugging Face 官方基準每日更新從公開 API 讀取各官方基準排行榜;截至 2026-10-18,共有 49 個官方基準和 1,102 條排行榜紀錄。這是系列首個快照,列出各排行榜當日排名第一的模型;後續更新只報告變化。多數紀錄由模型作者自行申報,只有 Hugging Face 標示已驗證的紀錄才列為已驗證,這份資料並非獨立評測。

  7. Browser Use69

    2026 年最佳瀏覽器自動化 MCP 伺服器指南

    Browser Use 整理 11 個瀏覽器自動化 MCP 伺服器,按瀏覽器環境、任務類型和成本説明各自適用場景。在使用同一代理和雲端瀏覽器的 100 項公開任務評測中,Chrome DevTools MCP 得分 61.0,Browser Harness 得分 60.4;後者的每項任務中位輸入 token 數和成本最低,而各工具的分數差異 95% 區間均包括零。

  8. DEV Community58

    plugin87/ux-ui-agent-skills 評測:用建置檢查把元件庫無障礙要求納入驗證

    作者在客戶專案中使用 plugin87/ux-ui-agent-skills 遷移 React 元件庫,三週內由建置閘門捕捉 14 項人工 QA 漏掉的無障礙回歸。該套件提供 52 種元件模式和 50 個驗證閘門,針對 WCAG 2.2 AA/AAA 要求,以可執行測試檢查焦點管理及鍵盤操作。作者指出,閘門不涵蓋視覺回歸測試,而自訂元件的初始設定需時 2-3 小時。

10月17日週六
  1. DEV Community47

    Magnitude: The Apache-2.0 Inference Engine That Claims 2x Faster Than llama.cpp

    Magnitude 是採用 Apache-2.0 授權的開源推理引擎,可為用戶的 GPU 編譯及調校核心,並整合 OpenCode、Codex 和 Claude Code;它聲稱解碼速度最高比 llama.cpp 快 2 倍。作者在 RTX 3060 上測試一週,確認速度有所提升但未達 2 倍;核心編譯及 Agent 整合仍可能失敗,並非適用於所有模型或自訂 Agent。

  2. DEV Community53

    REA、IDA MCP、GhidraMCP 等 AI 逆向工程工具比較(2026 年 10 月)

    作者比較六種讓編碼智能體透過 MCP 讀取二進制檔案的逆向工程工具。比較涵蓋支援目標、反編譯後端、授權成本及維護情況;REA 亦支援 JavaScript/Electron、.NET 和網站分析。文中按 IDA Pro、免費原生分析及非原生目標等情境整理選用方向,並提醒從官方來源安裝及只分析獲授權軟件。

  3. MarkTechPost65

    2026 年 20 個 Jev 替代方案比較:決策模型如何挑戰 TypeSafe

    TypeSafe 於 2026 年 9 月 15 日推出 Jev,約 4 週內至少出現 20 個替代方案。文章比較這些決策模型的規模、授權、硬件需求、價格、Jev API 相容性及基準成績,涵蓋託管服務與可自行部署的模型。多數基準由發布方自行測試,不同測試集的分數不可直接比較;Respan 測試中 Jev 準確率為 0.932,Tev1 為 0.901。

最多提供 50 頁,更早的內容請使用搜尋或主題頁。