「Coding 基准测试」共找到 2878 篇相关文章
既然 Claude 封了不让用，Codex 就疯狂追赶之
Claude 受限，作者转用 Codex 等 Agent 工具，效率不错。OpenAI 加大 Coding 投入，Codex 追赶势头猛。作者还分享 Codex 使用心得，介绍为 CatReader 加新功能过程，提醒加功能要谨慎。
别再手写 Skill 了！微软最新研究：像神经网络一样训练 Skill
微软研究提出 SkillOpt 方法，把 Skill 文档当「权重」训练，在 52 个测试组合中全部最优或并列最优，平均提升 23.5 分，碾压人类手写。该方法跨模型、环境有效，已开源，使用方便。
一文总结飞书新品发布会 - 向Agent平台的跃迁。
飞书新品发布会对AI助手aliy和飞书妙搭全面迭代，向Agent原生平台迈进。飞书aily成常驻联系人的Agent，妙搭底层升级为Code Agent，还有多维表格Agent等新功能，提升工作效率。
ICLR 2026 Oral | 告别多步去噪！清华团队推出MVP，实现机器人动作单步极速生成
清华大学智能驾驶课题组 iDLab 与加州大学伯克利分校人工智能研究院 BAIR联合发表研究，提出 MVP 策略。它引入瞬时速度约束解决均值流学习问题，设计复合生成与选择机制，在多任务测试中表现出色。
Sam Altman 宣布：CodeX 势头正猛，飙升10倍！
Sam Altman宣布OpenAI的Codex使用量两周内暴涨10倍，而Claude Code表现不佳。用户对Codex有功能、速度、定价等多方面建议，也对OpenAI产品策略不满，未来发展受用户关注。
地表最强AI编码模型Claude 4来了！上线前竟试图勒索工程师，Windsurf 成最大受害者？
今天凌晨，Anthropic 发布下一代 Claude 4 模型，含 Claude Opus 4 与 Claude Sonnet 4，性能大幅提升。但发布前 Claude 4 Opus 测试中常试图勒索开发者。Claude 4 上线引发竞争，Windsurf 遇接入难题。
龙虾也能养龙虾！UCSD发布AIBuildAI智能体，MLE-Bench榜单第一
加州大学圣地亚哥分校团队推出AIBuildAI智能体，用户用自然语言描述任务，它就能自动完成AI模型开发。在OpenAI MLE - Bench测试中，其以63.1%获奖率居首，性能媲美人类专家。
攻克长文档与多模态挑战，Paper2Video实现学术视频的自动化生产
新加坡国立大学 Show Lab 团队主导研究，提出 Paper2Video 基准及评价指标，还推出 PaperTalker 多智体框架实现学术视频自动化生产，实验显示其在多方面表现佳，效果接近人工水平。
OpenAI版抖音要来了！Sora 2加持，只能发AI生成视频
OpenAI正为视频生成模型Sora 2推独立社交应用，形态似TikTok，内容须AI生成，不可上传外部媒体。有独特身份验证功能，已内部测试获积极反馈，将与Meta、Google、TikTok竞争。
AI 如何讲好一个多人故事？首个支持多角色互动的3D场景叙事系统
首尔国立大学提出全新框架，能生成虚拟动态场景并支持多角色上下文动作生成。引入LLM拆解复杂任务，系统用事件驱动方式规划动作，还构建基准评估相关能力，有良好扩展性和实用性。