最近在研究设计一个游戏收益风险曲线图 想请教一下有经验的佬友们怎么设计模拟数据测试一下 或者能爬取数据绘制测试图吗（应该是没有明面上合适的开发者权限的） 8 个帖子 - 3 位参与者 阅读完整话题
相信佬友也有遇到过这样的需求：已经有了一个图，需要把图中的曲线还原为原始数据。手工一个一个估计显然又慢又不准，于是我找到了这一款工具： https://engaugedigitizer.com/ 完全免费免安装，使用也很简单。 打开软件，把要处理的图片拖动进去，按下Shift+F3，在坐标轴上选三个点，并输入这三个点的坐标，软件会自动建系。然后可以使用 color picker这个工具来选中你想要的曲线，最后 使用这个工具就能一键提取出所有的点了 最后就能一键export，非常方便。 此软件更详细的带图教程： https://zhuanlan.zhihu.com/p/25645273 1 个帖子 - 1 位参与者 阅读完整话题
解读一下上面的图： 右侧的曲线图显示，在复杂工程的具体实现上，Opus4.6强于4.7 左侧的数据显示，在整个项目的完整把控上，Opus4.7略微强于4.6，但不多。 参考内容: 最近，Meta FAIR 联合斯坦福、哈佛等机构发布了一项很有意思的新 benchmark，本质上是在重新定义 AI Coding 的评估方式： ProgramBench: Can Language Models Rebuild Programs From Scratch? 过去的大模型编程 benchmark，大多测的是局部能力：补全函数、修复 bug、实现 feature…本质上，仍然是在已有代码结构里做局部修改。 而 ProgramBench 第一次把问题推进到了真正的软件工程层面：如果只给 AI 一个程序的功能描述和 usage docs，它能不能像真正的工程师一样，从零开始，重新构建一个真实、可执行的软件系统？比如 ffmpeg、SQLite、ripgrep。 而且------不能联网。 换句话说：模型到底有没有工程智能？ 为了测试这一点，研究团队直接删除了原始源码和测试，只保留 executable 和 usage docs，模型需要自己决定语言、架构、模块拆分、数据结构乃至整个 repo 的组织方式。 更关键的是，ProgramBench 不再按照源码相似度打分。它采用的是 behavioral equivalence，行为等价。也就是说，你可以用完全不同的语言、算法、架构，甚至完全不同的工程实现。只要最终输入输出行为与原程序一致，就算通过。 研究团队甚至使用了 agent-driven fuzzing，自动生成大量端到端行为测试。 这是第一次，一个 benchmark 真正开始逼近现实世界的软件工程，而不再只是代码做题。结果出来之后，整个 AI 圈都沉默了。 所有模型：0% 完成率。 Table 2 负责制造震撼，那么 Figure 4 负责解释震撼背后的细节。它告诉我们，模型并不是完全不会做，而是经常能做出一部分，甚至在少数任务上接近完成；但只要要求 100% 行为等价，所有模型都会倒下。但这最后一公里，正是软件工程和普通代码生成最大的区别。另外，如果矮子里面拔将军，Claude 系列（尤其是 Opus 4.7 和 4.6）表现相对最好。 即便论文专门增加了一个 Almost 指标------统计那些完成度超过 95% 的任务。目前表现最强的 Claude Opus 4.7，也只有 3% 的任务接近完成。 论文里，有一句特别关键的话： Models favor monolithic, single-file implementations that diverge sharply from human-written code. 翻译过来就是：模型极度倾向于生成单体化代码。大量逻辑被塞进单文件；目录结构极浅；模块拆分极少；函数超长；整个 repo 看起来像一坨巨型脚本。 1 个帖子 - 1 位参与者 阅读完整话题