「编程评测」共找到 1658 篇相关文章
腾讯开源了一个通用智能体，又刷榜了GAIA~
腾讯优图实验室开源了 `Youtu-agent`，在深度搜索和工具使用benchmark上表现佳。它不依赖GPT/Claude，有自动智能体生成功能，提供单、多智能体模式，还集成分析平台，可实时调试与离线分析。
grok 4一图流
文章展示grok 4核心数据，涵盖训练成本、模型定价，还列举其在通用、专业、数学、推理、编程等能力测试中排名第一的成绩，不过实际水平还有待观察。
个体如何实现主权AI
文章指出越依赖AI，越要考虑‘主权AI’问题。对个体而言，实现主权AI核心是掌握自身数据等，能随时换底层模型，还介绍积累的四类资产、微调顺序及现实路径。
Karpathy 最新访谈：Vibe Coding 只是开始，真正重要的是 Agentic Engineering
Andrej Karpathy在访谈中分享编程范式剧变感受，谈到Software 3.0实质，指出AI能力不均，介绍Vibe Coding和Agentic Engineering区别，还提及创业机会、人类技能价值等内容。
刚开源就斩获 3.8K Star！MiniMax 官方把压箱底的硬核技能包开源了！
MiniMax 官方开源 Skills 仓库，这是一套为 AI 编码助手设计的开发技能包。涵盖前端、全栈、Android、iOS、图形开发及办公等多领域，按流程走可让 AI 代码质量对标大厂资深工程师，安装也简单。
YC 专访 OpenClaw 创始人：80% 的 App 将会消失，我们还剩下什么？
YC 深度访谈 OpenClaw 创始人 Peter Steinberger。他本是半退休开发者，因 AI 智能体 Moltı 爆火。他认为 AI 应回硬盘，OpenClaw 能控制设备、处理文件。还谈到机器人雇佣人类、80% App 将消失等观点。
如何科学地“设计”SFT 数据？一次关于 ODA 的完整平台级验证
大模型后训练阶段，SFT数据构建常依赖‘直觉’或‘试错’。上海人工智能实验室OpenDataLab团队发布报告，基于OpenDataArena提出新范式，将数据集构建从‘随机艺术’变为‘确定性工程’，并进行平台级验证。
被DeepSeek带火的OCR，最新8个开源模型盘点~
DeepSeek-OCR发布让OCR大热，PaperAgent梳理盘点8个热门开源OCR模型，如DeepSeek-OCR用‘上下文光学压缩’技术，Nanonets-OCR2-3B以零样本视觉链式思维为核心等。
首篇WebAgents综述：大模型赋能AI Agent，实现下一代Web自动化
互联网任务重复繁琐，香港理工大学研究人员从架构、训练和可信性等角度，总结WebAgents代表性方法，梳理研究进展。WebAgents能根据用户指令完成网页任务，其发展预示人机关系新纪元。
科研写作神器，超越Mathpix的科学公式提取工具已开源
LaTeX公式OCR现有方法处理真实文献面临挑战，DocTron团队提出系统性方案。构建CSFormula数据集，提出DocTron - Formula模型，在评测和实际应用中表现出色，超越Mathpix等工具。