一、为什么现有的评测工具不够用 要理解这套新工具的价值，得先搞清楚原有工具的缺陷在哪。以往评测AI科学能力，最常见的做法是从已发表的论文或真实实验数据集中挑选题目，然后让AI作答。这个路子看起来很自然，但实际上藏着几个难以回避的坑。

这项由美国犹他大学卡尔特计算学院主导的研究，以预印本形式于2026年4月14日发布在arXiv平台，编号为arXiv:2604.13201v1，分类为计算语言学（cs.CL）方向。有兴趣深入了解的读者可通过该编号在arXiv网站上查阅完整论文。

The Ruby vulnerability is not easy to exploit, but allows an attacker to read sensitive data, start code, and install ...

Cloud automation uses software to handle tasks like setting up servers or deploying applications, cutting down on manual work ...