「编程测试」共找到 2638 篇相关文章
大模型能复刻这些系统吗？ProgramBench给出了残酷答案
斯坦福NLP组发布ProgramBench，用200个完整代码库重建任务测试主流大模型，要求模型仅根据可执行文件还原如SQLite等项目完整代码，结果所有模型实际解决率为0%，说明模型更擅模仿代码表面结构。
英伟达改卖Token？黄仁勋GTC后发声：token就是AI新通货，值钱的不是算力，是“每度电的智商”
英伟达黄仁勋在采访中强调其是加速计算公司，非单纯 GPU 公司。他认为 AI 竞赛从拼算力变拼产出，token 是新通货，还阐述了 AI 瓶颈、架构发展、推理编程、CPU 角色等观点。
500行极简开源框架，硬刚GPT/Gemini视觉极限！
多模态大模型代码能力进步大，但基础视觉任务常失误。UniPat AI构建SWE-Vision框架，让模型用代码处理视觉判断，在五个视觉基准测试达最优，其极简设计有效且泛化性强，代码已开源。
Cursor押注云端Agent！CEO 放话：审核AI代码是开发者最核心竞争力
Cursor CEO 称 AI 编程进入第三时代，智能体可少人工介入完成复杂任务，开发者角色转变。Cursor 团队超三分之一 PR 由云端智能体生成，不过这引发了开发者对代码审查、工作流、安全等问题的讨论。
从GLM-4.5到GLM-5，我见证了一个模型从码农晋升为架构师
智谱以匿名方式将GLM - 5放到OpenRouter公测，其表现亮眼。在AI编程从Vibe Coding转向Agentic Engineering的背景下，GLM - 5参数规模提升，成绩优异，实测决策有架构师思路，持久力强，不再只是‘平替’。
AI 编码效率 x10，Bug 风险也 x10
亚马逊工程师 Joe Mag 分享团队用 Coding Agent 使代码产出效率提 10 倍，但 Bug 风险也放大 10 倍。介绍‘Agentic Coding’工作流，还给出借助 AI 做‘风洞测试’、升级 CI/CD、升级决策和沟通系统等建议。
全球首款！高性能人形机器人跑跳进入万元机时代
全球首款万元以内高性能人形机器人Bumi登场，能跑会跳还能当编程老师。它由松延动力打造，团队成员多来自清华，此前已有多款硬核机器人产品，Bumi让具身智能走进日常生活。
你敢信？GPT-5的电脑操作水平只比人类低2%了
Agent S3刷新了计算机使用智能体（CUA）在「OSWorld」基准测试的记录，性能达69.9%，接近人类水平。它引入bBoN实现并行扩展，还精简框架、引入原生代码智能体，已开源并发布论文。
苹果掀桌！扔掉AlphaFold核心模块，开启蛋白折叠「生成式AI」时代
蛋白质折叠是计算生物学核心难题，SimpleFold作为首个仅基于通用Transformer模块的蛋白折叠模型，摒弃AlphaFold2系列传统架构，能将蛋白序列生成三维原子结构，在多基准测试表现强劲，还可生成结构集合。
Claude Opus 5被扒光了！1511行提示词底牌全摊开
Anthropic的Claude Opus 5上线当天，系统提示词被开发者Eversmile1传到GitHub。提示词含产品说明、法务合规手册、推销渠道内容。其记忆规则严格，版权引用限制多，商业推荐有不同策略。上线24小时能力被广泛测试。