算法论文8

新测试：一线AI模型软件工程能力全灭

机器之心2026-05-07

AI 摘要

SWE - Bench作者新作ProgramBench测试AI软件工程能力，一线模型全0%完成率。AI擅局部代码生成，缺全局规划能力。投资人回应争议，认为其能推动模型向高层次智能逼近。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

AI Coding催生柔性软件新形态

本文为王博在《AI原生软件研发成熟度模型AISMM 2026》白皮书发布之际撰写，探讨AI Agent介入后软件形态、研发流程的变革，提出柔性软件概念与传统软件柔性化路径，为企业AI原生研发提供参考。

本文作者实测体验阶跃终端推出的首款大模型原生Agent手机STEPX Neo，介绍了产品设计、原生Agent系统能力、创客开发生态与系统级安全方案，公布了产品定价与用户福利。

本文报道Jeff Dean投资的AI初创公司推出DeepRSI新基准，测试大模型递归自我改进能力，设置48小时无网络自主科研挑战，最终Kimi K3拿下国产第一、开源第一，成果引发行业关注。

当前大模型效率优化多聚焦降低单位Token计算存储开销，本文解读arXiv新预印论文，针对传统BPE分词的固有局限，提出CNF-MCE分词框架，可大幅提升Token压缩率，开辟大模型效率优化新路径。