all of the articles we have posted and linked so far under the tag: 评测基准
不是模型变慢了，是任务变大了 - 肘子的 Swift 周报 #146 使用 AI Agent 安全清理 Xcode 磁盘空间 Agent 开始“自我进化”：会出题、会反思，还会自己长出新技能 下一代搜索智能体评测基准！美团开源LoHoSearch，用知识图谱校准AI能力认知 让AI离开温室，走向动态世界：MineExplorer揭示顶级多模态大模型被忽视的能力断层 GitLab 将碳足迹意识融入 CI/CD，以衡量软件交付的环境成本 AI如何拓展职场人员的工作边界 Cognizant与Anthropic深化合作：推动Claude大模型的企业级落地 SwiftUI中调整Glass按钮形状的技巧
阿里荣膺 ACL 2026 最佳资源论文 | HSCodeComp 揭开智能体「分层规则应用」的能力鸿沟 目前架构下，自进化后的 AI 也无法替代人类的判断力｜田渊栋 Datadog 借助 Claude 和 Cursor 完成测试驱动式生产环境迁移 如何在 Mac App Store 中隐藏不想要的应用更新
Claude Code 工程一号位亲自给 Agent 热潮降温：狂烧 Token 时代已过，现在该算ROI了 美团海报生成 AIGC 技术创新与实践 从月球漫步到赛博都市，WBench 测出了世界模型的边界 AI 创业者想出海拿美元，搭好可融资的企业架构才是第一步 Apple Store 维护结束，Mac 与 iPad 全系列涨价 How agents are transforming work 为 Swift Testing 提议引入 Task-Local 测试特性 去西班牙买足球俱乐部：一场血本无归的荒诞商业冒险
Swift 还让你 Excited 吗？ - 肘子的 Swift 周报 #141 Netflix如何实时绘制数千个微服务的拓扑图 美团海报生成 AIGC 技术创新与实践 利用 Codex 管理复杂长周期项目的实战策略 从月球漫步到赛博都市，WBench 测出了世界模型的边界 OpenAI 发布 Daybreak 系列企业级安全工具 iOS 27.0 beta 2 (24A5370h) 发布 iPadOS 27.0 beta 2 (24A5370h) 发布 商业小样43 | AI时代，谁在给服务器“降温”
WWDC 26：AI 帮你看完了，然后呢？ - 肘子的 Swift 周报 #140 如何搭建一个端到端业务需求专家 Agent 从月球漫步到赛博都市，WBench 测出了世界模型的边界 美团 LongCat 开源 General 365：树立推理评测新标尺 燧原科技科创板过会：国产 GPU 的 DSA 破局之路与商业化大考 Apple 发布全系统 26.6 Beta 2 更新