跳到正文
10月19日週一
  1. DEV Community56

    RAG 分塊實測:不同策略如何影響檢索效果

    作者以小型標註語料比較 RAG 的固定長度、遞歸及語義分塊,recall@3 分別為 0.89、1.00 和 1.00。文中引用的 Mayo Clinic 研究顯示,自適應分塊的答案準確率為 87%,固定長度基線為 50%;其他研究則顯示,策略效果會隨語料、嵌入模型及評估目標而異。

  2. Hacker News 熱門(buzzing.cc 中文翻譯)42

    我開發了一種大型語言模型無法使用的編程語言

    作者開發了 KillSwitch,一種專為對抗大型語言模型和編碼 Agent 設計的開源詮釋型程式語言,並以一組任務測試多款模型及編碼 Agent。Claude Opus 5 表現最佳,最高得分為 66.8,最佳開放權重模型是 MiMo-V2.6-Pro。作者指出,測試任務仍相當簡單,結果不足以證明模型真正理解這種程式語言。

  3. DEV Community49

    We tested the 20 most-installed agent skills with and without the skill. The most-installed one came out worse.

    測試者以 Claude Sonnet 5.5 和 Claude Opus 5.5,對 skills.sh 安裝量最高的 20 個 Agent 技能進行載入與未載入的對照測試;find-skills 在兩個模型上都令答案得分下降,由未載入時的 0.92–0.95 降至載入後約 0.75。20 個技能中,11 個在兩個模型上均明確有幫助;40 組結果中有 10 組因答案不足或波動過大而無法判定。

  4. DEV Community49

    AI 編碼智能體會用你的語言搜尋網頁嗎?Claude Code 和 Codex 的 5 種語言測試

    Claude Code(Opus 5.5)和 Codex CLI 的 320 次網頁搜尋測試發現,全球性 AI 產品話題的 206 次搜尋中,205 次使用英文。地方議題方面,以當地語言提問時,Claude Code 和 Codex 分別有 82% 和 50% 以當地語言搜尋;以英文提問時則為 49% 和 17%。320 個答案全都使用提問語言,因此單看答案通常無法判斷引用來源的語言。

  5. DEV Community59

    FINAL-Bench 五項開放科學挑戰由驗證器而非提交者決定評分

    FINAL-Bench 設有五項開放科學挑戰,參賽者提交分子、晶體、預測或解碼器,再由參賽者無法查看的驗證器評分;標準答案資料留在主辦方硬件上。各挑戰公開規則、權重及提交限制,但評分實作與答案保密,避免參賽者只針對公開評分器調整提交。LEADBOARD 為每個榜單提供已填妥的提示詞和可執行骨架;超導體挑戰明確允許 AI 編碼智能體參與,而所有分數均屬計算預測,並非實驗室測量。

  6. DEV Community47

    Can AI Agents Safely Manage Physical Devices? 10 Capability Groups Counted, 4 Change-Only

    AI 智能體可在變更工具預設停用、且須透過獨立設定開啟的情況下管理實體設備,但破壞性指令的確認值由助手提供,並非獨立的人為批准。DataRemote 的 Ara 平台 MCP 伺服器涵蓋 10 組能力,其中 4 組只在開啟變更後可用,支援 8 款型號。測試中,常規設備查詢得分 0.9545,變更操作未有任何一項進入自動執行區間。

  7. DEV Community55

    2026 年小型企業實際採用的 10 款 AI 工具

    NeurAITool 整理了 2026 年小型企業實際採用的 10 款 AI 工具,涵蓋寫作、CRM、設計、會計、排程及客戶支援等用途。文中比較各工具的方案、主要功能和計費方式,並提醒計算每席成本及按次用量費用,留意年度計劃會預先收取全年費用。零預算時,作者建議組合使用 ChatGPT、HubSpot、Canva、Grammarly 和 Notion 的免費方案,涵蓋市場推廣、銷售、設計及營運。

  8. DEV Community31

    無日誌聲稱與獨立審計:377 項 VPN 私隱政策揭示甚麼

    VPNRadarLab 對 377 項 VPN 服務的排名資料顯示,無日誌政策普遍,但只有 35 項有獨立審計。在 303 項聲稱無日誌的服務中,22 項政策稱會儲存連線 IP,109 項沒有交代 IP 處理方式;只有 27 項同時具備無日誌政策、獨立審計及不儲存連線 IP 三項條件。

10月18日週日
  1. DEV Community66

    Jev AI 接入三款遊戲實測:兩次失敗,一次成功

    作者把 Jev 接入三款遊戲測試,兩項即時決策用途未見可靠改善,第三項賽事精華挑選則成功落地。在水球遊戲中,加入 Jev 後對高階 Bot 的擊殺率由 67% 降至 53%;2,840 次呼叫僅失敗 1 次,費用為 $0.054,但作者認為表現差異落在安慰劑波動範圍內,沒有改善證據。作者建議由程式掌控流程和即時規則,預先整理候選項,再讓 Jev 作單一選擇,並避免描述中的位置詞主導結果。

  2. DEV Community58

    Jev AI 接入三款遊戲的實測:兩次失敗,一次成功

    作者將 TypeSafe 的 Jev 接入三款遊戲測試,發現直接讓它操控遊戲表現不佳,戰術決策未見改善證據,而賽後挑選賽事精華經調整後奏效。Crazy Arcade 仿作中的擊殺率由 67% 降至 53%,共進行 2,840 次呼叫,花費 $0.054;作者指出,這個結果不足以判定 Jev 確實令表現變差,也沒有改善證據。

  3. 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。

  4. 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。

  5. 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。

  6. 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。

最多提供 50 頁,更早的內容請使用搜尋或主題頁。