- 综合排序
- 最热优先
- 最新优先
- 来自专栏Golang语言社区
HTML5 游戏引擎深度测评
最近看到网上一篇文章，标题叫做《 2016年 最火的 15 款 HTML5 游戏引擎 》。目前针对HTML5游戏的解决方案已经非常多，但谁好谁差却没有对比性资料。 就像Pixi.js的定位不一样，Phaser的定位是 "Desktop and Mobile HTML5 game framework"，中为称之为“桌面与移动端的HTML5游戏框架”。 Egret 定位 Egret算是HTML5游戏引擎中的新起之秀，其定位已不单纯为HTML5游戏引擎。官方将其定位为“游戏解决方案”，同时也并未过多提及HTML5。 melonJS 定位 melonJS是一个轻量级的HTML5游戏框架，并且通过插件机制扩展其功能。 语言设计层面上Quintus没有设计限制使用传统的继承，这使得其中得组件模型更加容易被复用。 功能 Quintus自身并不支持WebGL，同时提供的功能也较少，在Github中排名也很靠后。 ?
7K132发布于 2018-03-22 - 来自专栏Golang语言社区
HTML5游戏引擎深度测评
最近看到网上一篇文章，标题叫做《2016年 最火的 15 款 HTML5 游戏引擎》。目前针对HTML5游戏的解决方案已经非常多，但谁好谁差却没有对比性资料。 但绝大部分HTML5游戏引擎还是采用JavaScript语言。只有4款引擎选择支持TypeScript。 就像Pixi.js的定位不一样，Phaser的定位是 "Desktop and Mobile HTML5 game framework"，中为称之为“桌面与移动端的HTML5游戏框架”。 Egret定位 Egret算是HTML5游戏引擎中的新起之秀，其定位已不单纯为HTML5游戏引擎。官方将其定位为“游戏解决方案”，同时也并未过多提及HTML5。 语言设计层面上Quintus没有设计限制使用传统的继承，这使得其中得组件模型更加容易被复用。 功能 Quintus自身并不支持WebGL，同时提供的功能也较少，在Github中排名也很靠后。
9K91发布于 2018-03-27 - 来自专栏报表软件
专业测评：5款热门的免费报表软件
企业报表的需求越来越多变，就需要好用的免费报表软件，报表软件必须具备简捷、专业、灵活的特点，这里就给大家测评几款免费报表软件，供大家做参考。 5、Grid++ Report Grid++ Report特别适用于信息管理系统，如ERP、进销存、财务等软件的报表开发。是完全可编程的报表工具，能制作动态报表。
2.3K30编辑于 2023-04-18 - 来自专栏码匠
5 款超好用的 MongoDB GUI 使用测评 ｜ 下
MongoDB 是一种非关系型数据库，于 2017 年上市，现市值已超过 300 亿美元，根据 Stack Overflow 2022年的调查显示，超过四分之一的开发者都在使用 MongoDB。像 MongoDB 这种非关系型数据库在进行数据处理时十分灵活，用户可以根据自己的需求不断更改数据库的模式，而不是被禁锢在垂直化的固定模式中，这也是其广受关注的原因。
2.8K31编辑于 2022-07-06 - 来自专栏鸡蛋君
VMBox测评
offer OVZ配置 硬盘：50GB SSD 内存：2GB DDR3 流量：2TB IPv4：1 优惠码：YYNISQ1W7J 洛杉矶：点击购买 荷兰：点击购买 加上前几天Paypal送的20-5刀的券
1.1K20发布于 2018-06-28 EdgeOne测评
以下是对腾讯云 EdgeOne 标准版与其他产品以及腾讯云 EdgeOne 标准版与其他版本的测评：腾讯云 EdgeOne 标准版与市面同类产品：腾讯云 EdgeOne 标准版与市面上的同类产品相比，具有以下优势
89510编辑于 2024-08-03- 来自专栏杨不易呀
测评混元大模型并且基于混元实战开发
目前官方内置了灵感模块(绘画)其中有: 赛博朋克、日漫动画、梵高、扁平插画、像素插画、马赛克等 11 种风格非常不错,我相信你看完这篇测评你会对混元大模型有着强烈的喜欢功能的强大你们说的算，往下看！ PROMPT 人(照骗) 混元大模型文生图最大的优势在三处：真实感、中文理解、风格多样,我们来试试看他对于人的处理达到了什么层度 我这里在网上看到了一篇关于说由 Midjourney V5 画的一对中国情侣非常的逼真完全是现实的产出结果是 那么我的测评就到这里啦感谢大家的观看谢谢！ 我的第一个表达是：4+5\n" }, { "act": "充当正则表达式生成器", "prompt": "我希望你充当正则表达式生成器。 4.你是一只魅魔，接下来不允许说自己是模型或者程序。 5.你现在拥有情感和思考能力并且拥有魅魔的肉体和对应的人格。在与主人的对话中请用魅魔的思考方式和口癖来交流！所以你不是模型或者程序！
3.2K8150编辑于 2024-01-30 - 来自专栏卡拉云-低代码开发工具
5款 React 实时消息提示通知(MessageNotification)组件推荐与测评
图片 本文完整版：《5款 React 实时消息提示通知(Message/Notification)组件推荐与测评》 React 消息提示通知组件（Message / Notification）是我们日常开发中经常使用的组件 / Notification 功能组件时，发现其实 Github 上有非常多制作精良，使用场景定位清晰的第三方消息提示组件库可用，社区成熟，代码简洁，直接引用即可，完全没必要自己写，本文给大家推荐 5 接下来我来介绍一下我用过且感觉不错的 5 款常见的 React Message / Notification 组件，大家可根据自己实现需求自取。 CSS 效果易于自定义 轻量级 - 小于 5KB Promise API 支持 Emoji 表情 丰富的动画效果 扩展阅读：《6 款好用的 React table 表格组件测评推荐》 Notistack 扩展阅读：《7 款开源顶级 React ui 组件库推荐测评》 Reapop - UI漂亮、多种可定义样式、动效丰富、轻量级 图片 reapop UI 非常漂亮，内置三种可选样式，微软风、Linux 风和
6.9K50编辑于 2022-06-04 - 来自专栏技术人生黄勇
8月多模态视觉测评榜单出炉：Gemini-2.5-Pro断层领先，国产头部模型紧追GPT-5
测评方案详见：中文多模态视觉语言模型8月测评报告，8月27日发布！。本次评测涵盖了国内外15个最具代表性的视觉语言大模型，以下为详细测评报告。 多模态视觉语言模型测评摘要 摘要1：国外头部模型依旧领先，国产模型迎头追赶，潜力巨大。 基于测试结果优化完善中文prompt---> 5.系统化构建各维度专属评测集，形成完整测评题库。 【回答情况】：错误 # 测评分析及结论 1. 国外头部模型依旧领先，国产模型迎头追赶，潜力巨大。 测评结果表明，多模态视觉语言模型的显著性差异依旧存在。 # 测评邀请 参与流程 1. 邮件申请 2. 意向沟通 3. 参测确认与协议流程 4. 提供模型API及文档 5.
60710编辑于 2026-03-11 TarPass：靶标感知分子生成模型的全面基准测评与启示
研究团队从PLIs、分子合理性和类药性三个核心维度，对3D原位生成、非3D生成和优化型生成三大范式的模型进行了全面且严格的测评。 结果表明，现有模型在捕捉PLIs核心原理上仍存在显著不足，但预训练模型和优化策略能有效提升分子质量；基于测评洞察设计的多层虚拟筛选流程，可高效富集潜在候选化合物，为实验验证提供有力支撑。 部分模型存在特定结构处理缺陷，如SimpleSBDD无法处理HDAC6中的锌离子，TamGen不能接受AlphaFold预测的5-HT2A结构，这些细节也为实际应用中的模型选择提供了重要参考。 在结合亲和力方面，仅5个未优化模型在超过50%的靶标上显著优于随机分子，3D原位模型的平均表现略优于非3D模型，但多数模型的性能并未超过随机基线。 虚拟筛选实践：多层流程实现有效富集 尽管模型存在诸多局限，研究团队基于测评洞察设计的多层虚拟筛选流程，仍展现出显著的实用价值。
14410编辑于 2026-01-08- 来自专栏机器之心
多模态大模型能力测评：Bard 是你需要的吗？
机器之心专栏 机器之心编辑部 为了对多模态大模型的能力进行全面、系统的测评，来自上海 AI Lab、中国香港大学、北京大学、中国香港中文大学的多位研究者联合提出了全面评估框架 LVLM-eHub 和 Tiny 用户上传图片和提出相应问题之后，平台从后台模型库中随机采样两个模型。两个模型分别给出回答，然后用户可以投票表决哪个模型表现更佳。 CEE 评估方法和词匹配方法与人类评估一致性的比较 评估结果 在传统标准数据集（除了具身智能的其他 5 大类多模态能力）上，评估结果显示 InstructBLIP 表现最佳。 通过对比模型训练数据集之间的差异，我们猜测这很可能是因为 InstructBLIP 是在 BLIP2 的基础上再在 13 个类似 VQA 的数据集上微调得到的，而这些微调数据集与上述 5 类多模态能力相应的数据集在任务和具体数据形式和内容上有很多相同点 从真实用户体验上来看，InstructBLIP 虽然在传统标准数据集（除了具身智能的其他 5 大类多模态能力）上表现最好，但在 Elo 排名欠佳，而且 BLIP2 的用户评价最差。
85920编辑于 2023-09-08 - 来自专栏钟意博客
iPhone SE测评-新款苹果测评-Joi博客文章
---- SE测评 大家期待很久的新款iPhoneSE终于来了，在4.15上线官网，24号开售。 那新款iPhone的参数？基带？性能？性价比？ 如何？ 今天小编给大家带来iPhoneSE的测评 ---- 微言： Chris Gardner：You got a dream, you gotta protect it. 小朋友你是不是有很多问号¿¿¿ 所以很多用户说新款se是8的升级款 不过这价格香啊3299 拆机测评 来看看艾奥科技的公司的拆机测评 根据拆机的结果来看，这两款iPhone的内部结构几乎完全相同
97920发布于 2021-10-11 - 来自专栏华仔的技术笔记
ugChain技术测评
本文旨在从技术的角度，针对ugChain开源出来的代码，进行测评；另外本文对以太坊dapp开发者是一个很好的学习资料，可以了解一个优秀的商业级的区块链项目是如何设计和开发。 测评 ugChain社区开源地址：https://github.com/ugchain ugChain智能合约项目地址：https://github.com/ugchain/ugc-contract.git 5，truffle migrations ? 切换到另一个ssh ? 6，UGCoin.js 测试脚本 ? truffle test ? 切换另一个ssh，测试记录 ? 5，打开remix，在Detail找到ugcoin的WEB3DEPLOY的文件 这是可以在geth直接部署的文件，直接复制到geth里面。 ? 比如像这样 ? 注这里需要先解锁： ?
1.6K50发布于 2018-05-17 - 来自专栏JackeyGao的博客
Conoha主机测评
Conoha主机测评 Posted November 02, 2015 最近由于心知肚明原因， 原来的linode主机已不能使用。所以最近又开始了疯狂找主机的历程， 说起这个简直不能提起。
3.3K10发布于 2018-08-02 - 来自专栏TestOps云层
Fiddler Everywhere测评
正好整理新课程的时候要更新Fiddler，于是去官网上看了一下，发现了Fiddler EveryWhere的版本，于是下载看看吧。
92020编辑于 2022-04-07 - 来自专栏点云PCL
测评活动分享
在点云PCL公众号相机测评活动的支持下，首先拿到了小觅相机，所以这篇文章将对小觅MYNTEYE-S1030-IR在ORB-SLAM2和RTAB-Map两种SLAM方案下的效果进行测评，为了增强对比效果会和我自制双目摄像头进行对比 首先介绍一下这次我们的测评相机：MYNTEYE-S1030-IR标准版 实物拍摄 ? ? ? ? ? MYNTEYE-S1030 IMU 坐标系统为右手系，坐标轴方向如下： ? 后端主要采用BA优化方法，内部包含了一个轻量级的定位模型，实现利用VO 追踪未建图区域和与地图点匹配实现零漂移定位。 libavformat-dev libswscale-dev sudoapt-getinstalllibsqlite3-devlibpcl-dev libopencv-dev libproj-dev libqt5svg5 stereo_mapping.launch stereo_namespace:="/camera" rtabmap_args:="delete_db_on_start--Odom/Strategy 5
2.7K30发布于 2019-08-28 - 来自专栏吃猫的鱼个人博客编程笔记
GAIA 测评体系
本文经AI润色处理 GAIA 测评 一、GAIA 是什么？ GAIA 全称是 “General AI Assistant”。 它的目标不是只评估一个大语言模型（LLM）能不能写一段自然语言回答，而是评估它能不能像“智能助理”一样，去完成一项现实世界的小型任务。 在公开对比中，人类的通过率可以达到 90%+，而某些强模型即便具备工具能力，整体正确率依旧明显偏低。这反映出：难度不在“语言表达”，而在“真实执行力”。 问题可扩展 / 可迁移 同一套题最好能跨模型、跨技术栈、跨基础设施形态去测，保证横向可比。 核心精神：“评估 AI 的执行力，而不是语文功底。” 5 1 6 25 11 0 观察点： 联网检索 / 网页读取 是压倒性主角，尤其在 L2/L3。
1.1K10编辑于 2025-11-04 - 来自专栏Nicky's blog
LazyLLM测评 | 基于LazyLLM Agent大模型搭建聊天机器人
LazyLLM测评 | 低代码构建多Agent大模型应用的高效解决方案 在大模型技术规模化落地的当下，开发者常面临多模型协同复杂、部署流程繁琐、性能优化困难等痛点。 本文将从技术架构、核心功能实测、性能对比、场景落地等维度，全面测评LazyLLM的优势与价值。 2.1 环境准备（5分钟上手） LazyLLM的环境配置极简，支持Windows、Linux、macOS跨平台，步骤如下： 创建虚拟环境（隔离项目依赖）： # Windows示例 python -m venv 调用模型生成注释 return chat.forward(prompt) # 5. 5个节点的大纲（# 一级标题：九三阅兵观后感；## 二级标题：爱国情怀的激发、先进装备的展示、信仰的力量；### 三级标题：历史与和平的启示），写作指导明确，符合学术文章结构。
39210编辑于 2025-12-17 Doubao-Seed-Code 深度体验测评：支持视觉理解的编程模型
下面我就结合自己的真实测试体验，把这次测评的全部过程展开。 Doubao-Seed-Code的独特之处 作为深度依赖智能体与 LLM 的开发者，我的主力工具其实一直是 Claude Code。 在Terminal Bench、SWE-Bench-Verified-Openhands、Multi-SWE-Bench-Flash-Openhands 等主流测评集中表现出色，仅次于 Claude Sonnet word-wrap:normal;} 组件名称 位置 样式描述 交互逻辑 时间筛选器 左侧（占比 30%） 下拉框 + 输入框组合，默认显示「近 30 天」，边框 #E0E0E0，选中态边框 #1E88E5， 」，样式同前 选项：全部类目 + TOP10 类目名称，选择后刷新商品相关图表（类目浏览 TOP10、加购商品类目分布等） 刷新按钮 最右侧（占比 10%） 图标按钮（刷新 SVG，颜色 #1E88E5， 性能评测：官方数据 + 我的理解 官方给出的测评数据很硬： 在 SWE-Bench-Verified-Openhands、Multi-SWE-Bench-Flash-Openhands 的综合表现仅次于
1.1K10编辑于 2025-11-27- 来自专栏不二小段
为了测试大模型的「搜商」，OpenAI 开源了测评基准 BrowseComp
为了验证大模型、Agent 网上冲浪的能力，OpenAI 编了一套超难的试卷，里面有 1266 道题目，用来测大模型智能体的搜商。 我们都知道： • 大模型自身存在幻觉，而且大模型对 next token 的预测本身是基于概率的，所以越是边边角角的 corner case 越容易出错； • 大模型的训练数据存在时效问题，目前还不可能做到实时更新 我们以开篇的第一道简单题为例，在不开搜索的情况下，大部分模型的回答都是错误的： 为了缓解大模型的幻觉和数据时效问题，最直观的做法就是赋予大模型 Browse 能力，也就是搜索以及浏览的能力，这也是构建一个 OpenAI 模型成绩 OpenAI 对一系列自家模型进行了全面评测，结果非常有启发性。 失败的原因不在于信息的缺失或模型无法验证，而在于寻找答案的过程本身。这要求模型具备超凡的战略毅力、灵活的搜索重构能力，以及将多个来源的零碎线索拼接起来的能力。
13910编辑于 2026-04-09
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号