开源动态8
VISTA：评测AI开发产品能力的Benchmark
机器之心
AI 摘要
多校研究团队推出 VISTA，首个面向 Visual Spec-to-Web-App Coding Agents 的端到端 Benchmark。它从多维度评测 Coding Agent 开发能力，持续更新记录其能力演进，推动软件工程评测从代码走向产品。
阅读原文 · 机器之心
Claude、GLM、GPT谁才是真正的AI软件工程师？首个持续更新Visual Spec-to-App Benchmark发布
近年来，Coding Agent 发展迅速，「AI 软件工程师」渐成现实。但目前缺少系统评测其从设计稿开发产品能力的公开 Benchmark。为此，多校研究团队推出 VISTA，可多维度评测 Coding Agent 开发能力，且持续更新。
关注公众号
扫码关注
第一时间收到每日精选
相关文章
算法论文8
清华Jev-LDE：一次编辑暴涨ICL准确率
清华大学自动化系研究者针对大模型上下文学习（ICL）中示例选择成本高、效果不佳的问题，提出Jev-LDE方法，仅对初始检索示例做一次局部编辑，即可大幅提升1-shot准确率，推理成本增量很低。
机器之心
推荐文章9
三万字讲透大语言模型入门
本文是面向零基础的大语言模型入门长文，无需机器学习背景，只用简单例子讲清大语言模型的核心逻辑，覆盖从原理到产品化的全流程，适合新人系统学习。
腾讯技术工程
新闻资讯8
传英伟达拟收购Reflection AI
本文是InfoQ编译的科技播客访谈，Reflection AI由前Google DeepMind Gemini团队成员创立，近期发布了5010亿参数的开放大模型Beam，主打编程、推理和智能体任务，发布一周后传出英伟达拟收购该公司的消息，访谈中分享了对开放模型诸多问题的观点。
InfoQ
算法论文8
多校提出可交互视频世界模型Oneira
本文介绍牛津、莫纳什、布里斯托等多校团队提出的交互式视频世界模型Oneira，解决现有模型交互错配、状态易丢失的缺陷，实验效果优于现有主流基线模型。
机器之心