「基准构建」共找到 2641 篇相关文章
CodeClash 通过多轮编程竞赛对大型语言模型进行基准测试
为评估大型语言模型（LLM）编码能力，斯坦福、普林斯顿和康奈尔研究人员开发 CodeClash 基准测试，让多个 LLM 在多轮比赛中较量，涉及多种代码竞技场，还评估模型分析代码库能力，未来将处理更大代码库。
世界模型评测的最大盲区，被这个新基准捅破了
过去一年，‘世界模型’成视频生成领域热词，厂商强调产品要模拟真实世界运行规律，但业界评测一直未能精准检验其‘物体恒存’的认知能力。为此，研究者提出新基准MemoBench，测试了主流模型，揭示其短板。
n8n官方推出AI工作流生成器，用自然语言构建工作流
n8n官方推出AI Workflow Builder，可将文字提示转成可执行工作流，本周向n8n Cloud用户推送。该功能降低构建门槛，但易用性提升也带来新挑战，其是否沦为‘面向VC’功能待验证。
构建知识闭环：用CodeBuddy打造自我进化的数据分析体系
腾讯团队为解决数据分析痛点，构建知识闭环体系，利用CodeBuddy设计开发规范、自动生成SQL，将编码从小时级降至分钟级。体系含沉淀、传递、生成、信赖、闭环五环，提升团队效率与协作。
从云原生到 AI 原生：模型引发的新一代基础设施构建
本文整理自蚂蚁集团余锋在2025年QCon上海站的分享。回顾基础设施从云计算到AI原生的演进，指出模型成新数据库，基础设施围绕其构建，还探讨了Agent体系影响、通智一体趋势及面临的挑战与机遇。
AI编程真面目：完整项目通过率仅27% | 上交大新基准
多校联合团队发布ProjDevBench，评估AI编程智能体端到端项目开发能力。结果显示，六种主流智能体总体提交AC率仅27.38%，从零构建任务中性能大幅下滑，还揭示了智能体多方面短板。
跟上 AI 的节奏：为演进式架构构建上下文存储库
本文探讨AI辅助开发带来的上下文认知断层问题。在开发中，AI前期提效但后期难题凸显，企业面临团队执行和管理层决策层面隐患。可通过融合三大工程规范构建上下文存储库解决，确保开发逻辑可控。
首创郎园发布五大举措，构建AIGC视听产业全域创新体系
4月17日，首创郎园总经理赵春燕在北影节发布AIGC视听产业朝阳全域创新生态体系，推出5大核心举措，构建完整文化IP市场，激活创新模式潜力，推动大视听产业高质量发展。
李飞飞最新长文：AI的下一个十年——构建真正具备空间智能的机器
李飞飞发表长文《From Words to Worlds: Spatial Intelligence is AI’s Next Frontier》，解读空间智能，阐述构建具备空间智能机器的核心框架，探讨其应用场景，认为这是AI下一个前沿。
阿里云 Tablestore 基于 Mem0 为 OpenClaw 构建记忆系统最佳实践
文章指出 OpenClaw 原生记忆有失忆、多 Agent 记忆不通等问题，介绍阿里云 Tablestore 基于 Mem0 为其构建记忆系统的实践，包括优势、安装步骤，实测记忆持久生效，还提及后续实践值得期待。