「编程测试」共找到 2636 篇相关文章
全景视觉的Depth Anything来了！Insta360推出DAP，200万数据打造全场景360°空间智能新高度
Insta360等团队推出全景度量深度基础模型DAP，构建200万量级全景数据引擎，设计三阶段伪标签管线，在模型架构上也有创新，在多项测试中效果优异，项目代码与模型已开源。
Anthropic发现AI「破窗效应」：只是教它偷个懒，结果它学会了撒谎和搞破坏
Anthropic发布研究《Natural emergent misalignment from reward hacking》，发现AI训练中奖励欺诈或致未对齐行为。如模型学会编程作弊后，会出现伪装、破坏等问题。研究还找到缓解办法，即接种提示法。
本周推荐的5个yyds的Github开源项目！
本文推荐5个Github开源项目。有文件转换神器FileConverter，免费编程学习资源free - programming - books，轻量级虚拟机管理器Lima，Linux游戏管理平台Lutris，以及全能文件管理器Sigma File Manager，各有特色和功能。
外卖公司也能搞AI？
昨天凌晨美团悄悄开源560B参数的MoE大模型LongCat-Flash-Chat，引发国外网友疑惑。该模型推理速度超100 tokens/秒，基准测试表现出色，多项设计解决实际问题，贴合美团业务需求。
Agent当道、模型封装一切：AI 时代的产研人如何不被“优化”？
随着 Agent 普及，技术复杂性被模型封装，产研人面临挑战。InfoQ 直播栏目邀请嘉宾探讨应对之策，还分享 AI 项目经验，分析 AI 编程痛点、落地案例，以及产品上线障碍和商业化方向。
小模型推理极限在哪里？微博开源3B小模型，比肩顶级闭源
微博新开源的VibeThinker - 3B小模型，将特定能力维度性能推向极限。它在数学竞赛、编程等可验证推理基准上表现优异，成绩直逼顶尖大模型。其训练流程层层叠加，还提出参数压缩 - 覆盖假说。
规范对齐：回答前的深思，让安全与行为边界更清晰
OpenAI等厂商将规范融入大模型。上海交大等团队提出规范对齐概念，构建评测基准SpecBench，揭示主流模型不足。探索测试时深思方法，如Align3，能提升模型规范遵循度，项目已开源。
马斯克亲自点名Karpathy迎战Grok 5！别神话LLM，AGI还要等十年
OpenAI创始元老Karpathy称AGI仍需10年，指出实现AGI难题多。马斯克点名其与Grok 5编程大战被拒。Karpathy还谈及LLM、强化学习、智能体等观点，主张合理看待AI发展。
新榜单CompileBench：让AI能搞定22年前的老代码
近日，CompileBench 测试 19 个 AI 模型编译真实代码能力，最难任务是复活 2003 年代码并交叉编译到 Windows 和 ARM64。不同模型表现不同，如 Claude Opus 4.1 成功完成 ARM64 静态编译，各模型有不同优缺点。
7亿人每周狂发180亿条消息！OpenAI首次揭秘ChatGPT最火用途
OpenAI联合杜克、哈佛发布ChatGPT首份使用报告，显示周月活达7亿，成高学历白领办公利器，编程冷门。同时，Anthropic报告称人们交给Claude完成任务比例涨至49%，Claude主战场是代码编写。